一种基于马尔科夫随机场的脑MR图像分割改进算法

高斯混合模型(GMM)易受噪声影响,马尔科夫随机场(MRF)模型能够很好地刻画空间特性。两者结合适用于对含有噪声的图片进行分割,但MRF模型用于图像分割时,容易出现过分割现象。针对这个问题,提出一种自适应权值系数的图像分割改进算法,从核磁共振成像(MRI)中较好地分割出脑脊液、灰质和白质组织。首先,使用K‐means算法得到初始分割结果,通过期望最大化算法(EM)估计GMM参数,进而得到图像像素灰度的联合概率能量函数。然后,利用MRF邻域系统中心像素与邻域像素的灰度值、后验概率和欧式距离得到自适应的权值系数,使用MRF模型得到先验概率能量函数。最后,借助贝叶斯准则得到最终图像分割结果。实验结果表明,该算法具有较强的自适应性,能够较好地克服噪声对图像分割的影响织。与同类算法相比,该算法对含有噪声的脑部MRI图像具有较高的分割精度,可得到较好的图像分割结果。

高斯马尔科夫随机场数字图像分析处理软件的设计与实现

针对数字图像高斯马尔科夫随机场统计特征分析计算问题的需求,使用MATLAB语言设计了数字图像高斯马尔科夫随机场纹理特征参数统计分析程序,并给出了软件算法在MATLAB开发平台上程序的源代码。该软件能够在图像处理与模式识别研究领域用于获取数字图像的GMRF统计纹理特征参数,程序运行速度快,交互性好,预留了程序批处理接口,能够解决图像高斯—马尔可夫随机场特征统计分析问题。

基于高斯混合模型和马尔科夫随机场的脑MR图像分割

目的从磁共振噪声图像中分割脑组织(脑脊液、灰质、白质)。方法首先利用K均值分类自动计算三类脑组织的初始灰度分布参数,通过期望最大化算法(Expectation maximization,EM)估计高斯混合模型(Gaussian mixture model,GMM)参数。然后按照空间体素的GMM分类信息改变其相应体素的联合概率的能量函数,控制该能量函数中代表灰度信息的分量,并且自适应地调节图像灰度和空间信息的分配。结果实验结果表明该模型能够有效地分割出脑脊液,灰质和白质,并且对噪声不敏感,能消除灰度不均匀的影响。结论与同类算法相比,本算法对含有噪声污染的脑MR-T1图像分割精度较高,也表现出不错的稳定性,且算法运行时间短。

基于高斯马尔科夫随机场的区域产量保险定价

文章基于农作物产量具有较强的时空分布特征,在产量分布的参数中引入时空固定效应和空间随机效应构建嵌入式时空模型。趋势拟合和分布拟合同时进行,避免了传统两步法中建模误差的叠加;高斯马尔科夫随机场的引入改进了模型的预测效果;对多个地区的产量分布同步进行拟合,增大了样本量,参数估计更稳健。对一组实际数据的分析结果表明,基于逻辑斯特分布的嵌入式时空模型预测能力最强,能够有效提高农作物区域产量保险定价的准确性。

基于图像片马尔科夫随机场的脑MR图像分割算法

传统的高斯混合模型(Gaussian mixture model,GMM)算法在图像分割中未考虑像素的空间信息,导致其对于噪声十分敏感.马尔科夫随机场(Markov random field,MRF)模型通过像素类别标记的Gibbs分布先验概率引入了图像的空间信息,能较好地分割含有噪声的图像,然而MRF模型的分割结果容易出现过平滑现象.为了解决上述缺陷,提出了一种新的基于图像片权重方法的马尔科夫随机场图像分割模型,对邻域内的不同图像片根据相似度赋予不同的权重,使其在克服噪声影响的同时能保持图像细节信息.同时,采用KL距离引入先验概率与后验概率关于熵的惩罚项,并对该惩罚项进行平滑,得到最终的分割结果.实验结果表明,算法具有较强的自适应性,能够有效克服噪声对于分割结果的影响,并获得较高的分割精度.

基于GMM和超像素马尔科夫随机场的运动目标检测

针对传统的基于高斯混合模型(GMM)的运动目标检测算法抗噪声性能差、易受动态背景干扰的缺陷,提出一种高斯混合建模与超像素马尔科夫随机场(MRF)相结合的运动目标检测方法。采用GMM对视频图像进行建模,初步标记出前景目标区域;对原始图像进行超像素分解,并根据GMM提取的前景图像得到概率超像素图像;采用MRF建模对概率超像素图像建模得到最终的运动目标前景图像。通过实验对比分析,表明提出的算法对噪声干扰、动态扰动背景等复杂场景均可以得到优于传统算法的结果。

基于高斯马尔科夫模型的高光谱异常目标检测算法研究

随着光谱成像技术的发展,高光谱异常检测在遥感图像处理中的应用越来越广泛。传统RX异常检测算法忽略影像空间相关性,而且由于没有经过有效数据降维,运算耗费大,对于高光谱数据有效性不高。高光谱影像在空间和光谱上符合高斯-马尔科夫模型。通过建立马尔科夫参数能够直接计算协方差矩阵的逆矩阵,避免了高光谱海量数据的庞大计算。提出一种基于三维高斯-马尔科夫随机场模型的改进RX异常检测算法。该方法用高斯-马尔科夫随机场模型模拟高光谱影像数据,用最大似然近似法估计高斯-马尔科夫随机场参数,由高斯-马尔科夫随机场参数直接构造检测算子,并以待检测像元为中心设置局部优化窗口,称为马尔科夫检测窗。取窗口内数据计算均值向量和协方差逆矩阵,得到中心像元的异常度,通过移动窗口进行逐像元检测。应用AVIRIS高光谱数据对传统RX算法、高斯-马尔科夫模型背景假设异常检测算法和该算法进行了仿真实验对比。结果表明,该算法能够有效提高高光谱异常检测效率,降低虚警率。运行时间较传统RX算法提高了45.2%,体现出更好的计算效率。

基于贝叶斯推断的地下水流模型非高斯源项场的识别

地下水模型中非均匀介质的复杂性及观测数据的稀缺性使模型存在不确定性。为了更好地预测模型的输出,需要我们基于有限的观测数据来估计模型中的未知参数,降低不确定性。贝叶斯方法是刻画不完全数据、模型偏差和测量误差带来的不确定性的有效方式,它可以根据现有数据确定参数向量的后验分布。在实际应用中,其主要挑战在于从后验分布中抽样。传统抽样方法随未知参数维数的增加而出现退化现象。本文主要利用最大期望变量选择(EMVS)方法来识别稀疏离散余弦变换(DCT)系数,并对后验分布中的超参数进行自适应更新,以提高问题的求解效率;特别地,利用逆Hessian矩阵来加速朗之万动力学蒙特卡洛马尔科夫链(MCMC)的收敛速度,使用敏感性矩阵构造的简化模型来有效地计算梯度和Hessian矩阵,高效地解决高维不确定性分析和反演问题。基于地下水源项识别高维反演数值实验,验证了反演方法能够得到可靠的参数估计,为提高地下水模拟在实际应用中的可靠性和计算效率提供了新的思路,对后续的地下水资源管理决策制定具有重要意义。

基于高斯过程回归与马尔科夫随机场的三维深度图像重构算法

由于激光雷达点云数据有无序性、稀疏性和信息量有限的问题,提出了一种能够将点云数据与对应图像进行三维图像重建的算法,该方法首先将点云数据体素化,利用点特征直方图有效地选择深度点进行标记并消除体素中的异常点;针对传统插值方法估计精度低的缺陷,利用高斯过程回归方法强大的非线性拟合能力和小样本学习能力,提高了内插点估计精度,获得稠密点云;最后利用马尔科夫随机场对图像灰度数据和三维插值点进行融合来构建三维深度图。定性定量仿真实验结果表明,提出的算法大大提升了三维重建的鲁棒性与重构精度,可用于复杂路况中的无人驾驶应用。

顾及上下文信息的混合广义高斯密度模型遥感影像分类方法研究

提出了一种基于混合广义高斯密度模型(generalize Gaussian mixture model,GGMM),并顾及影像上下文信息的遥感影像分类方法。试验结果表明,该方法具有较强的鲁棒性,分类精度较传统的分类方法要好,在细节保持方面,较某些尺度上的面向对象的分类方法要好。

基于MAP估计和广义高斯MRF的SAR图像边缘比率检测方法(英文)

SAR图像极低的信噪比以及乘性噪声给SAR图像的边缘检测带来了较大的困难。提出了一种针对SAR图像边缘的自适应贝叶斯检测方法。该方法利用广义高斯马尔可夫随机场作为局部均值的先验概率分布模型,利用贝叶斯准则推导了局部均值的最大后验概率估计。广义高斯马尔可夫随机场模型参数估计和局部均值估计采用联合迭代技术进行求解。边缘检测器的参数采用接收机操作性能曲线和卡方检验进行选择。基于实测SAR数据的仿真实验结果表明,本文的边缘检测算子是有效的,并优于已有的SAR图像边缘检测算子。

基于高斯先验和马尔科夫随机场约束的非线性叠前地震反演研究及应用

叠前地震反演可以同步反演出纵横波速度和密度等弹性参数信息,在岩性分类和流体识别领域发挥重要作用.但是叠前多参数同步反演是一个不适定问题,难以获得较精确的结果.在反演优化算法方面,线性优化算法易于陷入局部极值,且强烈依赖初始模型,非线性优化算法可以避免这些问题.常规模拟退火算法在多参数同步反演过程中稳定性较差,难以获得理想的多参数结果.本文基于纵向高斯先验约束和横向马尔科夫随机场约束建立反演目标函数,能有效降低反演的不适定性和噪声的干扰.此外,提出基于多变量高斯分布的快速模拟退火算法,提高多参数同步反演的稳定性.最后,通过合成数据和工区数据测试,结果显示三参数反演剖面具有较好的横向连续性,反演结果与测井数据较吻合,表明本反演方法具有较高的分辨率和稳定性,具有一定的实际应用价值.

基于广义变分模型的自适应图像去噪算法

通过分析全变分(TV)去噪模型的优缺点,提出了一种新的改进算法。该算法根据最大后验概率(MAP)和马尔可夫随机场(MRF)的理论,推导出一个广义变分的图像去噪模型,并对平衡正则化项和数据保真项的Lagrange乘子λ进行了自适应改进,最后采用了一种鲁棒性好和边缘保持能力强的势函数,结合梯度加权最速下降法和半点格式的数值迭代算法对自适应的广义变分去噪模型寻优求解。实验结果表明,新模型能很好地应用于图像去噪,与现有的算法相比,在峰值信噪比有所提高的同时,图像的主观视觉效果也更好。

遥感图像的有向空间高斯混合模型分割方法

针对传统高斯混合模型没有考虑像素间的空间关系,使得遥感图像分割算法对噪声不具备健壮性的问题,提出了一种基于有向空间关系高斯混合模型的遥感图像分割方法。首先,根据图像区域特征,利用像素之间的空间信息对高斯混合模型的先验概率和后验概率进行约束,定义的空间约束能够确保图像空间更新时算法结构的稳定;其次,根据像素区域分类信息,通过能量函数中灰度信息的分量控制,确保图像灰度和空间信息的自适应分配;最后,利用K均值算法初始化分割模型参数,通过交替进行评估像素与类别之间的对应关系和空间约束变换,实现图像的精准分割。利用遥感样本图像对该算法进行性能测试实验,与当前流行的3种算法相比,该算法展现出卓越的分割性能。

基于可分离替代函数优化的CT重建

针对应用迭代坐标下降算法,且基于q广义高斯马尔科夫随机场正则化模型的计算机断层成像(computed tomography, CT)目标函数优化中存在的耗时过长问题,提出一种基于可分离替代函数的优化方法.根据目标函数特性,采用优化转换策略,将目标函数的优化转换为可分离替代函数的优化,使得待重建CT图像各个像素可以同时更新,再结合图形处理器(graphics processing unit, GPU)技术并行运算能力,最终极大降低了迭代重建所需时间.实验结果表明,与迭代坐标下降算法相比,通过本研究算法重建的CT图像具有相同的空间分辨率和噪声水平,计算耗时仅为迭代坐标下降算法的1/20.本算法在极低的计算耗时下,保持了迭代坐标下降算法优异的图像性能,为临床应用所面临的耗时过长问题提供解决途径.

一种改进的隐马尔可夫随机场遥感影像分割算法

针对传统的马尔科夫随机场影像分割算法对影像噪声和像素异常值敏感,容易产生分割结果不准确以及边缘不平滑等问题,提出了一种基于有限高斯混合模型的隐马尔科夫随机场影像分割算法。首先,以期望最大化算法代替传统的K-means方法获得影像初始分割结果,并用双边滤波器对初始分割结果进行滤波处理。其次,使用有限高斯混合模型和Potts模型分别对影像特征场和标记场建模,并用期望最大化算法进行参数估计,从而获得特征场能量和标记场能量。最后,利用迭代条件模式算法进行能量函数最小化优化,获得最优分割结果。结果表明:相比于经典MRF方法和传统HMRF方法,该算法获得的分割结果更精确,并且概率兰德指数和全局一致性误差指标都优于这两种算法。

利用时空物种分布模型研究海州湾大泷六线鱼的时空分布

为了解海州湾大泷六线鱼时空分布特征及其影响因素,根据2013—2019年秋季在海州湾开展的底拖网渔业资源调查和环境观测数据,构建了时空物种分布模型(spatio-temporal species distribution models),分析其分布与环境因子的关系,通过残差分析比较其与广义加性模型的残差独立性和异质性,运用交叉验证检验模型预测性能,最终结合delta方法对其分布进行预测并计算栖息地适宜性指数(habitat suitability index,HSI)和资源分布重心。时空模型的偏差解释率为65.50%,模型分析表明,影响大泷六线鱼资源分布最主要的环境因子为水深(22.11%),其次为底层水温(12.98%),底层盐度(0.09%)的影响较小,水深与其分布存在正向相关性,底层水温与其分布存在负向相关性,底层盐度与其分布存在弱正向线性关系。时空模型的残差独立性和异质性较GAM更强,其交叉验证回归线斜率为0.90±0.38。模型预测结果表明,大泷六线鱼主要分布在34.5°N以北,120.0°E以东的海域,其栖息地适宜性指数的高值区域呈现逐年收缩的趋势,资源分布重心呈现向东北海域转移的趋势,这可能是气候变迁以及捕捞压力共同作用的结果。本研究解析了大泷六线鱼在海州湾的时空分布,对于深入了解大泷六线鱼的分布动态和科学的渔业管理具有重要意义。

基于曲率滤波和改进GMM的钢轨缺陷自动视觉检测方法

针对传统钢轨检测技术的效率低下、精度不足、安全隐患等问题,提出了基于曲率滤波和改进高斯混合模型（GMM）的钢轨表面缺陷检测方法。首先,提出了基于垂直投影的区域定位算法和灰度对比算法,克服现场工况复杂、轨面反射不均、信道噪声干扰的难题;考虑到图像信号受强工况噪声干扰,研究了具有隐式计算和曲面保持特性的曲率滤波法进行图像去噪;建立了基于马尔科夫随机场（MRF）的高斯混合模型完成表面缺陷的精确快速分割。最后,设计了＂区域定位-灰度均衡化-滤波-分割＂的实验流程,实验结果验证了算法的有效性,检测性能达到了精确度92.0%,相比其他方法更加精确、快速,具有更好的鲁棒性。

基于层次MRF的MR图像分割(英文)

核磁共振图像(MRI)的定量分析在神经疾病的早期治疗中有很重要作用.提出了一种基于层次Markov随机场模型的MRI图像分割新方法.在高层次的标记图象中采用了混合模型,即区域的内部用各向同性均匀MRF来建模,边界用各向异性非均匀MRF来建模.所以方向性被引入到边界信息中,这样可以更准确的表达标记图象的特性;在低层次的像素图像中,不同区域中像素的灰度分布用不同的高斯纹理来描述.分割问题可以被转换成一种最大后验概率估计问题.采用基于直方图的DAEM算法来估计SNFM参数的全局最优值;并基于MRF先验参数的实际意义,提出一种近似的方法来简化这些参数的估计,实验显示该方法能获得更好的结果.

基于GMM和MRF的自适应阴影检测

运动目标阴影在很大程度上会影响运动目标跟踪、行为识别的正确性和有效性.为此,文中提出了一种基于混合高斯模型和马尔科夫随机场的自适应阴影检测方法.该方法首先对混合高斯模型进行改进,使其可以自适应调整参数学习率以消除浅阴影;然后采用马尔科夫随机场综合邻域的空间依赖性信息进行精确的阴影检测.为了提高基于马尔科夫随机场的阴影检测的精度与效率,采用信息容量进行颜色特征选择,并利用基于自适应阈值的初始阴影检测结果来设定马尔科夫随机场的初始参数.实验结果表明,利用文中提出的方法检测阴影,能有效地解决阴影检测的误分类问题,提高阴影检测的准确度.