Segmentation of MS lesions using entropy-based EM algorithm and Markov random fields

This paper presents an approach for fully automatic segmentation of MS lesions in fluid attenuated inversion recovery (FLAIR) Magnetic Resonance (MR) images. The proposed method estimates a gaussian mixture model with three kernels as cerebrospinal fluid (CSF), normal tissue and Multiple Sclerosis lesions. To estimate this model, an automatic Entropy based EM algorithm is used to find the best estimated Model. Then, Markov random field (MRF) model and EM algorithm are utilized to obtain and upgrade the class conditional probability density function and the apriori probability of each class. After estimation of Model parameters and apriori probability, brain tissues are classified using bayesian classification. To evaluate the result of the proposed method, similarity criteria of different slices related to 20 MS patients are calculated and compared with other methods which include manual segmentation. Also, volume of segmented lesions are computed and compared with gold standard using correlation coefficient. The proposed method has better performance in comparison with previous works which are reported here.

基于Markov随机场的自适应正则化三维显微图像复原

提出了基于马尔可夫随机场模型的正则化因子自适应调整三维显微图像复原算法,并用模拟序列样本和真实生物样本进行了实验.为了保持复原图像的边缘等细节信息,以Markov随机场模型作为图像的先验概率模型,对代价函数添加边缘约束惩罚项.其中,正则化因子在迭代过程中自适应地进行更新.实验结果表明此算法在对原始图像进行估计的同时,能够有效地保留图像的边缘等细节信息.而EM算法虽然能够有效地去除层间干扰,却丢失了大量的细节信息.

基于小波与高斯Markov随机场组合的轮廓纹理分割

为综合多尺度纹理模型和高斯型 Markov随机场纹理模型各自的优点 ,本文提出了组合这两种模型的方法 .Mallat的经验法、高斯型 Markov随机场纹理模型和组合方法的对比实验表明 ,当纹理结构包含微结构时 ,组合方法分割纹理轮廓的性能最好 .

基于Gaussian-MRF的DTI图像的正则化

为了对DTI图像进行正则化,采用了Gaussian-MRF模型。正则化方法根据Bayes准则对图像灰度值进行最大后验(MAP)估计,估计采用模拟退火方法进行,退火温度采用指数冷却进度表。通过对不同加权梯度下的同一层图像(一共7幅)同时进行正则化实验,结果表明该方法能够改善图像的噪声性能。把本正则化方法的结果与对张量场直接进行正则化的结果进行比较,表明采用本方法能够更加有效地减小噪声影响。通过把指数冷却进度表和对数冷却进度表的结果进行比较,表明采用指数温度能够在更短的时间内获得更好的正则化效果。

基于Markov随机场理论的鼠脑切片显微图像的分割研究

鼠脑中的神经细胞是生物学家的一个重要研究对象.随着计算机视觉技术的飞速进步,研究者们利用图像分割技术从鼠脑切片显微图像自动提取细胞,为进一步分析提供便利.文中提出一种基于马尔可夫随机场理论的鼠脑切片细胞分割算法.相对于传统的算法,文中创新是利用已有的专家标记图和原始图像的灰度特征,结合期望最大化算法,初步估计高斯混合模型的参数,作为条件迭代模式算法的初始值,不仅提高分割精度,且减少迭代次数;并将像素的灰度特征和像素间的距离加入到传统的Potts随机场模型中,更加合理地描述像素间的定量关系.实验结果表明,与传统方法相比,此方法具有较高的计算效率和分割精度.

多维GMM与邻域约束的多光谱机载LiDAR数据城市地物分类

如何充分利用空间位置及多光谱信息完整、准确地区分各类地物是多光谱机载激光雷达点云应用的重要前提。传统的基于点的分类算法受点云无法明晰表达拓扑及邻域信息的局限导致算法设计困难、执行效率低,而将点云插值为图像的分类算法则受图像存在信息及精度损失的局限导致分类精度较低。另外,点云和图像两种结构均无法直接表达地物的三维几何形体,不利于地物三维建模及分析。为此,本文提出了一种多维高斯混合模型(Gauss mixture model,GMM)与邻域约束的多光谱机载LiDAR城区地物分类算法。该算法首先以无损且明晰表达邻域信息为原则将多光谱LiDAR数据体素化为多值虚拟体素结构,其中,虚拟体素为体素与其内激光点的联合体,虚拟体素值是由体素内激光点的多波段光谱、高程、局部法向量分布及点密度等特征构成的特征矢量。然后,构建模糊聚类模型对多值虚拟体素结构进行分割,获得各虚拟体素的模糊隶属度矩阵。其中,特征空间地物呈现的多峰分布用多维GMM拟合,从而建立标号场,并将多维GMM的概率分布作为非相似性测度;标号场中相邻体素类别的空间相关性用隐马尔可夫随机场模型建模,从而建立邻域约束下的先验概率,并将其作为控制聚类尺度的参数;采用附有规则化项的目标函数解决聚类尺度敏感问题。最后,对隶属度矩阵进行反模糊化确定分类结果。采用Optech Titan实测的不同场景的、不同数据量的多光谱机载LiDAR数据定量评价本文算法的有效性和可行性。试验结果表明,本文算法的平均总体精度可达91.32%、Kappa系数可达0.872,可有效实现对城市各类地物的分类;本文算法综合利用了地物的辐射、空间及几何一致性信息,扩大了信息利用种类,为多光谱机载LiDAR数据的空间位置及多光谱信息的综合利用提供了可行方案。

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。

贝叶斯空间同质回归模型

对于高维空间回归问题,本文提出了一种有效的稀疏贝叶斯模型.通过引入分层高斯马尔可夫随机场先验,模型可以获取稀疏的空间变化参数,同时对于相邻的空间区域也可以获取同质的参数.相较于传统的采样方法,本文采用一种快速收敛的变分EM算法进行后验推断.对于M步,最优化问题可以通过简单的变形转化为经典的自适应lasso问题进行快速求解.通过数值模拟可以发现模型在参数估计和变量选择问题上取得较好的效果.最后模型用来分析欧洲社会人口学因素对各国新冠死亡率的影响.

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.

结合加权混合模型和马尔可夫随机场的光学遥感影像分割

针对遥感影像分割中存在的统计建模不准确,以及分割精度和效率低的问题,提出一种结合加权混合模型和马尔可夫随机场的光学遥感影像分割算法.考虑到遥感影像内像素强度统计分布具有复杂的特性,以多个高斯分布加权作为模型组份,采用加权高斯混合模型构建影像统计模型,克服传统高斯混合模型以单一高斯分布作为模型组份而导致建模不准确的问题;然后利用类属先验概率构建平滑因子,在马尔可夫随机场中将其引入吉布斯分布以建模组份权重的概率分布,该分布结构简单、易于实现;最后采用最大条件期望方法求解最优模型参数,而组份权重分布的结构有利于推导出其解析式,降低算法的计算量.选取Cartosat和Worldview影像进行分割实验,与模糊C均值、高斯混合模型和学生t混合模型分割算法进行对比.结果表明,所提算法可更加准确地建模遥感影像非对称和重尾等复杂统计分布,平均总分割精度分别高于对比算法16.44%,16.00%和16.17%.

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。

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。

结合高斯回归模型和隐马尔可夫随机场的模糊聚类图像分割

为了克服经典模糊聚类图像分割算法对图像噪声的敏感性,该文提出结合高斯回归模型(GRM)和隐马尔科夫随机场(HMRF)的模糊聚类图像分割算法。该算法用信息熵正则化模糊C均值(FCM)的目标函数,再用KL(Kullback-Leibler)信息加以改进,并将HMRF和GRM模型应用到该目标函数中,其中HMRF模型通过先验概率建立标号场邻域关系,而GRM模型则在中心像素标号与其邻域像素标号一致的基础上建立特征场邻域关系。利用提出的算法和其它经典算法分别对模拟图像、真实SAR图像以及纹理图像进行了分割实验,并对分割结果进行精度评价。实验结果表明,该文提出的算法具有更高的分割精度。

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.

基于快速EM算法的马尔可夫随机场模型运动目标自动分割

文章提出一种基于高斯马尔可夫随机场(GMRF)模型的运动目标自动分割算法。该算法采用高斯混合分布描述视频序列的差分图像,对标准Expectation-Maximization(EM)算法进行了改进,提出了快速EM算法,从不完整数据中估计出概率模型的参数。在此基础上建立马尔可夫随机场模型,构造系统能量函数。然后通过条件迭代模型(ICM)优化算法求解能量函数的最优解,得出标记场,提取出运动目标。实验结果证明,该算法对运动目标分割具有很好的分割效果。

基于空间邻域相关性的运动目标检测方法

针对传统混合高斯模型运动目标检测准确度不高的问题,本文提出了一种改进的运动目标检测算法。该方法通过利用空间邻域的相关性信息,结合混合高斯模型来提高运动目标检测的准确性。首先,对图像中的每一像素建立高斯模型,并采用模型的匹配次数确定方差更新系数的算法,解决了传统方法中方差收敛缓慢的问题;然后重新定义了马尔科夫随机场的势能函数,并融入空间邻域的相关性信息,由此获得了用于运动目标检测的自适应阈值。采用IBM研究中心的测试视频序列对本文的方法进行了测试,实验结果表明,本文的方法对复杂的场景有较好的适应性,能够得到比较准确的检测结果。

GMRF随机场在纹理特征描述与识别中的应用

为了建立描述自然纹理的参数体系,选用木材这种典型自然纹理为研究对象。提取了木材纹理的5阶GMRF参数,为了降低运算量,采用改进的模拟退火算法进行参数的优化与选择,形成了描述木材纹理最优GMRF参数体系,并将其送入分类器进行分类识别。实验结果表明:集成神经网络的总体分类识别率为94.0%,近邻分类器的总体识别率为91.0%,获得了较高的分类识别率。说明用该参数体系对木材纹理进行分类识别是可行的,该参数体系也可用于与木材纹理相近的自然纹理的描述。

基于特征级数据融合木材纹理分类的研究

为了提高对木材纹理识别的精度,提出了一种基于融合灰度共生矩阵与高斯-马尔可夫随机场纹理参数的特征级数据融合木材纹理模式识别方法。首先,分别获取了以上两种木材纹理特征参数;然后,使用模拟退火算法将两种不同类型的纹理特征量在特征层上进行了融合。利用融合后的特征对木材纹理样本进行识别,BP神经网络分类器的识别率达到97.00%,表明数据融合后的特征参数对木材纹理识别是十分有效的。

集成多特征信息的运动阴影检测

为实现监控场景中运动目标和阴影的准确分割,提出了一种基于GMM和MRF的运动阴影检测与消除算法.首先,利用GMM的学习能力建立背景统计模型并得到前景区域像素集合.其次,将前景区域与对应背景区域间的颜色、边界、纹理和时空一致性等特征信息集成到马尔可夫随机场能量函数中,并利用图割算法实现马尔科夫随机场能量函数的最小化,得到最终的分割结果.最后,在室内和室外不同场景类型视频序列上验证了算法的有效性.实验结果表明,算法在运动阴影检测与消除方面较以往方法具有较好的准确性、可靠性和鲁棒性.