基于Markov随机场模型的纹理图像的缺陷检测

在工业自动化研究中,部件的缺陷检测是非常重要的过程。文中提出了一种基于图像纹理分析的表面缺陷检测方法,图像表面纹理特征是利用Markov随机场模型来描述的,通过学习和聚类分析来检测出纹理图像中有缺陷的区域。试验结果表明,该方法可以有效地描述不同种物质表面的纹理特征,并能准确地检测和定位缺陷。

基于Markov随机场模型的数字X光图像自适应增强算法

为明确X光图像纹理粗细和组织分布状况,强化呈现身体结构信息,降低模糊图像对医生诊断病情结果的错误判断,提出一种基于Markov随机场模型的数字X光图像自适应增强算法.该算法首先统计X光图像全部范围内相同亮度像素,利用直方图均衡化法将原始图像变换成灰度级分布影像,消除光线干扰;然后分析组织属性,通过灰度共生矩阵提取X光图像的纹理特征,获取图像纹理粗细和布局结构的灰度信息;最后通过映射函数和对数函数计算平均亮度,用Markov随机场模型调整图像明暗度,补充纹理细小部位亮度,再用随机场函数划分光滑图像,采取二次重构,以保证图像锐化增强效果平衡.仿真实验结果表明,该算法能提升图像的内部信息清晰度.

基于无参数Markov随机场模型的彩色纹理综合方法

提出一种基于多尺度、无参数Markov随机场模型和KL变换的彩色纹理综合方法。该方法能捕捉原始纹理的高阶统计特性，综合出与原始纹理视觉一致的彩色纹理图像。实验结果证明该方法对彩色纹理图像的综合非常有效。

三维图象Markov随机场模型的数学描述

本文从 Markov过程的概念和性质出发 ,将 Markov场图象模型从二维推广到三维 ,建立了基于Markov场的三维图象数学模型 。

一种可变邻域Markov随机场图像分割模型

在图像分割中,传统Markov随机场(MRF)模型基于固定形状邻域,不能完全描述边缘结构等细节信息。为此,提出一种新的MRF线型可变邻域结构,采用部分加权的先验能量模型,对图像上下文信息进行建模,将邻域的选择和图像标记相结合,通过迭代优化得到图像分割。实验结果证明,与传统模型相比,该模型能更完整地保持目标的边缘形状,在细节描述方面具有较好的结果。

基于条件随机场和斯塔克尔伯格模型的决策系统研究

文章依托驾驶模拟器平台,对CarSim、Simulink和VeriStand等软件进行设置,搭建硬件在环仿真平台,使用头部姿态估计网络算法检测头部姿态,采集试验数据。建立基于条件随机场的驾驶意图在线识别系统,对左换道、右换道和车道保持3种驾驶意图进行识别,与隐马尔可夫模型对比,证明该系统能够稳定输出驾驶员的驾驶意图。建立基于斯塔克尔伯格博弈模型的人机共驾决策系统,设立仿真试验场景,验证基于驾驶意图识别的人机共驾决策系统的有效性。

结合马尔可夫随机场和混合模型的海岸线提取

为了高效且准确地实现基于遥感影像的海岸线提取,提出一种结合马尔可夫随机场和混合模型的合成孔径雷达(synthetic aperture radar,SAR)影像海岸线提取算法。该算法以统计模型理论为研究基础,考虑SAR影像中同一地物像素反射强度的统计分布具有非对称和重尾的统计特性,利用伽马混合模型建立SAR影像内像素强度的概率分布。为了建模像素的空间相关性,采用马尔可夫随机场构建伽马混合模型的组分权重概率分布以克服SAR影像相干斑噪声的影响。结合马尔可夫随机场和伽马混合模型构建出SAR影像海陆分割模型,通过最大期望方法估计模型参数以实现准确的海陆分割,进而实现海岸线提取。在Sentinel-1卫星SAR影像上进行海岸线提取实验,实验结果表明该算法可实现准确的海岸线提取。

层次短语翻译中基于Markov随机场的层次切分模型

翻译推导的切分歧义是统计机器翻译面临的一个很重要的问题,而在层次短语机器翻译中,其尤为突出.提出了一个层次切分模型来处理推导的切分歧义性.采用Markov随机场构建模型,然后将其融入层次短语翻译模型,以便自动选择更合理的切分.在NIST中英翻译的任务中,该模型的训练效率高,通过NIST05,NIST06和NIST08这3个测试集上的翻译效果表明,该模型提高了层次短语翻译的性能.

视觉感受与Markov随机场相结合的高分辨率遥感影像分割法

鉴于视觉感受对外界强大的感知与识别能力,模拟视觉神经感知的工作机制,并结合Markov随机场模型,提出一种影像分割方法。首先,分析视觉感知系统的工作机制,将其特性归纳为等级层次性、学习能力、特征检测能力和稀疏编码特性,继而利用小波变换、非监督聚类、特征分析和Laplace分布模拟视觉工作机制,然后结合Markov随机场模型实现高分辨率遥感影像的分割。通过不同卫星的真实遥感影像进行了相关试验。试验结果表明本文提出的方法在高分辨率遥感影像分割任务中有非常良好的表现。

双模随机晶场对纳米管上Blume-Capel模型磁化强度和相变的影响

近年来,磁性纳米管的物理性质和相关应用得到了人们的广泛关注.利用有效场理论研究了纳米管上双模随机晶场中Blume-Capel模型的磁化强度和相变性质,得到了系统的磁化强度与温度和随机晶场的关系及其相图.结果表明:系统在稀释晶场、交错晶场和同向晶场中会表现出不同的磁学性质和相变行为;稀释晶场和交错晶场会抑制系统的磁化强度,导致其基态饱和值小于1,而同向晶场则不会;随着随机晶场参量的变化,系统存在多个相变温度,并呈现出三临界现象和重入现象.

基于Markov随机场K-Means图像分割算法

传统的K-Means算法在图像分割中只与特征向量有关,从而忽略了像素间的空间位置关系,因而分割模型是不完整的.本文利用Markov随机场描述图像像素间的邻域关系,引入拒绝度的概念到聚类目标函数中的同时,提出了初始类别及初始中心点的确定方法,提出了较为完备的基于Markov随机场图像分割算法.并通过实验验证该分割方法在效果及效率上的有效性.

基于模糊C均值与Markov随机场的图像分割

针对传统模糊C-均值(FCM)图像分割算法没有考虑图像空间连续性的缺点,提出一种改进的空间约束FCM分割算法。该算法引入了Markov随机场理论中类别标记的伪似然度近似策略,将像素特征域相似性同空间域相邻性有机地结合起来,给出了新的像素样本聚类目标函数。实验证明,该算法能大大提高分割性能并改善分割的视觉效果。

基于多尺度数据融合Markov链模型的岩性随机模拟

Markov链模型在储层随机建模中发挥着越来越重要的作用,但难以融合岩心、测井、地震等多尺度数据限制了它在实际中的应用。依据前人研究的结果,提出了将多尺度数据融入到Markov链模型中的相关方法和公式,即将大尺度数据作为条件数据以贝叶斯公式表达,同时利用公式将小尺度数据转换为井点硬数据。应用此方法对SL盆地Y地区过井剖面进行的岩性模拟表明,相对于无数据融合的方法,此方法能更加直观、准确地揭示薄岩性层的分布。

基于改进Markov随机场的高分辨率SAR图像建筑物分割算法

提出了一种基于改进Markov随机场模型的高分辨率SAR(Synthetic Aperture Radar,合成孔径雷达)图像建筑物分割算法.针对高分辨率SAR图像信噪比低和建筑物复杂纹理特性的特点,采用多尺度Markov随机场模型的最大似然准则方法获取图像的初始分割,并在传统Markov邻域能量模型基础之上提出一种新的基于Gabor纹理相似度的邻域势函数模型,采用ICM(Iterative Conditional Model,迭代条件模型)算法进行建筑物分割.多组实际高分辨率SAR图像的实验结果表明,与传统MRF算法等方法相比,本文方法具有更高的分割正确率,同时建筑物边界更为清晰平滑,分割效果较好.

基于各向异性Gibbs随机场与高斯混合模型的脑MR图像分割算法

为了克服高斯混合模型(GMM)的局限性,利用Gibbs理论和图像结构信息构造各向异性Gibbs随机场,并将其引入到GMM框架中,完善GMM的分类效果,使其在克服噪声影响的同时,还能够保持细长拓扑结构区域信息以及角点区域信息.实验结果证明,文中算法可以得到较好的分类结果.

马尔科夫随机场模型下的Retinex夜间彩色图像增强

由于Retinex算法在处理夜间彩色图像时容易出现光晕、颜色失真、细节丢失与噪声干扰等问题,本文基于马尔科夫随机场(MRF)提出了一种针对单幅图像的Retinex图像增强算法。该算法在HSV颜色空间下采用线性引导滤波估计图像照度分量;在MRF模型下求解仅包含物体本身特性的反射分量,并通过颜色恢复函数与增益补偿方法进行颜色恢复与校正,最终实现了夜间彩色图像的增强。实验结果表明,利用本文算法处理后图像的均值(整体亮度)可以提高2倍以上,标准差、熵、峰值信噪比(PSNR)等参数均有5%以上的提升。与其它基于Retinex原理的算法相比,本文提出的算法增强效果显著,具有消除"光晕伪影"现象、抑制噪声、颜色保真和有效地凸显边缘细节信息等能力。

基于MRF随机场和广义混合模型的遥感图像分级聚类

有限混合模型FM的分级聚类已广泛应用于不同领域,然而,它的计算复杂度与观测数据的平方成正比,因此,在海量数据方面的应用就受到了限制。另一方面,多光谱图像数据中同时包含有空间和光谱两类信息,但大多数基于像素的多光谱图像聚类方法,仅使用了其频谱信息而忽视了空间信息。本文提出了一种新的基于广义有限混合模型GFM的分级聚类方法,该算法把MRF随机场和GFM模型结合在一起,分类数可以通过PLIC准则自动确定。算法在执行过程中,采用K均值聚类方式获得过分类图像,分级聚类从过分类图像开始,代替原来从单点类开始的方式,这样可以方便获取GFM模型成分密度的初始参数。最后,采用由Gibbs采样器生成的仿真测试图对算法的精度进行了定量评价,通过与K均值聚类和FM聚类的比较说明了本文算法的优越性,同时用荷兰Flevoland农业地区的极化SAR图像验证了本文算法的有效性。

结合高斯马尔可夫随机场纹理模型与支撑向量机在高分辨率遥感图像上提取道路网

在高分辨率遥感图像上,道路网的同物异谱现象更为突出,因此其提取难度更大。提出了一种马尔可夫随机场纹理模型与支撑向量机分类相结合的道路网提取方法。其基本过程是:利用高斯马尔科夫随机场模型6个归一化特征值进行支撑向量机的分类得到道路斑块,利用形态学算子对其进行初步连接并提取轴线,然后通过斑块轴线的启发式连接得到最终道路网。试验证明方法是有效的。

基于随机过程的格网DEM精度场模型

针对目前DEM格网精度从理论上难于统一量化描述问题,提出一种基于随机过程的格网DEM精度场模型。该模型从随机过程理论入手,借助DEM的统一插值模型,建立DEM两类误差(噪声误差和逼近误差)的统一误差模型,并分析构成DEM误差的各个分量的数学意义。与已有的模型相比,该模型实现了传统DEM两类误差的统一描述,此外,该模型适用任意插值方式生成的格网DEM的精度评价。

融合边缘特征的马尔可夫随机场模型及分割算法

针对区域马尔可夫随机场(MRF)模型的图像分割中常产生边缘模糊的问题,提出了一种融合边缘特征的区域MRF模型(IEFRMRF)及其分割算法。IEFRMRF模型基于MRF理论,首先通过边缘模板提取图像的边缘特征,建立局部区域的边缘先验约束;其次利用图像局部区域像素的空间约束关系描述图像的局部高斯统计特征,并通过期望最大化算法估计高斯特征参数;然后根据贝叶斯原理建立了具有边缘保持作用的区域MRF模型;最终采用区域置信度传播(BP)算法对IEFRMRF模型进行全局优化,把局部统计特征传递到图像的全局,并按照MAP准则估计图像分割标号。人工加噪声图像分割的实验结果表明,IEFRMRF模型的分割结果和传统高斯MRF模型、局部区域高斯MRF模型的分割结果相比,分割准确率分别提高了47.9%和21.4%,并且分割结果的边缘更清晰,自然图像的分割实验也验证了提出模型的有效性。