基于混合高斯模型的三马尔可夫场红外图像分割

针对马尔可夫随机场在红外图像分割方面存在的问题,给出了一种基于混合高斯模型的三马尔可夫场红外图像分割算法.三马尔可夫场在马尔可夫随机场的基础上通过引入一个附加随机场和全体随机变量服从马尔可夫性假设,克服了马尔可夫场算法中对条件概率分布相互独立的要求,并赋予该附加随机场对目标和背景区域的标识作用,其中采用混合高斯模型作为三马尔可夫随机场的先验模型.仿真结果表明,文中提出的基于混合高斯模型的三马尔可夫场红外图像分割算法能够实现复杂背景的红外图像准确分割,得到较为理想的分割效果.     

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.     

基于区域的MRF模型用于SAR图像分割

本文提出了一种建立在流域算法过分割结果区域图上的马尔可夫随机场模型的SAR图像分割算法.由于将马尔可夫场随机场(MRF)模型建立在预分割的基础上,极大减少了计算复杂度,并利用SAR图像的分布模型建立多层MRF模型,采用模拟退火优化得到MAP估计的分割结果.实验证明较传统的基于像素的马尔可夫随机场分割算法,该方法极大提高了运算速度,并能取得较为满意的分割结果.     

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。     

视频对象分割中基于Gibbs随机场模型的空分割结合方法

本文提出了一种基于Gibbs随机场模型的时空分割结合方法,用于视频对象的分割.该方法为每一帧图像的分割模板建立Gibbs随机场模型,将时间域分割结果作为初始标记场,空间域的分割结果作为一个图像观察场,然后利用Gibbs模型的约束条件将二者结合起来,得到该帧最后的分割标记场.实验结果表明,这种时空结合方法可以较好地避免以往的比重法过分依赖于空间域分割精度的问题.     

视频对象分割中基于Gibbs随机场模型的时空分割结合方法

本文提出了一种基于Gibbs随机场模型的时空分割结合方法 ,用于视频对象的分割 .该方法为每一帧图像的分割模板建立Gibbs随机场模型 ,将时间域分割结果作为初始标记场 ,空间域的分割结果作为一个图像观察场 ,然后利用Gibbs模型的约束条件将二者结合起来 ,得到该帧最后的分割标记场 .实验结果表明 ,这种时空结合方法可以较好地避免以往的比重法过分依赖于空间域分割精度的问题 .     

马尔可夫随机场与离散多值玻尔兹曼机

本文讨论了马尔可夫随机场与玻尔兹曼机的联系，提出了用二值玻尔兹曼机实现离散多值玻尔兹曼机的一种模型，即矢量玻尔兹曼机模型。用它来表示图像时，可大大减少网络的神经元数目。文中给出了应用多值玻尔兹曼机模型实现有噪图像恢复与分割以及随机纹理生成的计算机模拟实例。     

基于LogGabor纹理特征分析的机场ROI的自动分割

提出了一种基于2D LogGabor纹理特征分析的机场ROI(Region of Interest)自动分割方法。首先将原始图像分块并做傅里叶变换;然后采用基于上下文纹理信息的LogGabor算法,提取图像块的尺度特征;再通过直线拟合,利用尺度特征分割出图像的机场ROI。实验证明文中方法具有较好的检测效果。     

基于MRF的图像分割方法实现与探究

本文从研究马尔可夫随机场的理论背景出发,详细阐述了马尔可夫随机场建立图像模型的方法,并且介绍了两种基于马尔可夫随机场进行图像分割的算法:ICM和SA。在本文的最后给出这两种算法的实验结果,达到了预期的要求。     

MRF细胞图像自动分割方法设计

针对目前医学细胞图像分割出现的误分割、人为主观因素影响时间效率低等特点,提出了一种结合基于中国餐馆过程的马尔可夫随机场(MRF)细胞图像自动分割方法。首先对图像进行去噪处理,然后采用中国餐厅过程的无监督模型对马尔科夫随机场进行自动确定参数,最后采用条件迭代模式(ICM)方法实现MRF在图像分割并对其口腔粘膜细胞图像进行分割实验,并与传统的马尔可夫随机场图像分割和3种不同的细胞图像分割方法进行比较。结果表明,本文提出的方法无需事先估计参数值,在精确度上能达到96%以上。通过本文算法基本能够准确找到要分割的双核和微核细胞,为后期细胞图像识别打基础,有效解决分割受到人为主观因素影响和精度差等问题。     

基于移位窗口多头自注意力U型网络的低照度图像增强方法

针对低照度图像增强模型中的亮度提升、噪声抑制以及保持纹理颜色一致性等难点问题,该文提出一种基于移位窗口自注意力机制的低照度图像增强方法。该文以U型结构为基本框架,以移位窗口多头自注意力模型为基础,构建了由编码器、解码器以及跳跃连接组成的图像增强网络。该网络将自注意力机制的特征提取优势应用到低照度图像增强领域,建立图像特征信息之间的长期依赖关系,能够有效获取全局特征。将所提方法与当前流行的算法进行定量和定性对比试验,主观感受上,该文方法显著提升了图像亮度,抑制图像噪声效果明显并较好地保持了纹理细节和颜色信息;在峰值信噪比(PSNR)、结构相似性(SSIM)和图像感知相似度(LPIPS)等客观指标方面,该方法较其他方法的最优值分别提高了0.35 dB, 0.041和0.031。实验结果表明,该文所提方法能够有效提升低照度图像的主观感受质量和客观评价指标,具有一定的应用价值。     

图像视觉条状纹理矢量方向场检测技术

方向场是条纹图像的重要特征量。本文提出了条纹图像矢量方向场模型，相比于通常的标量方向场，更符合方向的角度特性，并能通过矢量的模携带方向估计的锐度系数，使得对方向场的运算具有加权特性。同时，在矢量方向场的检测中，提出基元检测的概念。实验表明，通过建立矢量方向场，能够更准确地描述条纹图像的方向特征，并且有利于图像的后续处理。     

Segmentation of Gabor-filtered textures using deterministicrelaxation

A supervised texture segmentation scheme is proposed in this article. The texture features are extracted by filtering the given image using a filter bank consisting of a number of Gabor filters with different frequencies, resolutions, and orientations. The segmentation model consists of feature formation, partition, and competition processes. In the feature formation process, the texture features from the Gabor filter bank are modeled as a Gaussian distribution. The image partition is represented as a noncausal Markov random field (MRF) by means of the partition process. The competition process constrains the overall system to have a single label for each pixel. Using these three random processes, the a posteriori probability of each pixel label is expressed as a Gibbs distribution. The corresponding Gibbs energy function is implemented as a set of constraints on each pixel by using a neural network model based on Hopfield network. A deterministic relaxation strategy is used to evolve the minimum energy state of the network, corresponding to a maximum a posteriori (MAP) probability. This results in an optimal segmentation of the textured image. The performance of the scheme is demonstrated on a variety of images including images from remote sensing.     

基于特征融合的无参考屏幕图像质量评价

考虑到人类视觉系统对图像边缘和局部纹理信息较为敏感,本文提出一种基于特征融合的无参考屏幕图像质量评价方法。所提方法通过梯度方向直方图和局部二值模式分别提取屏幕图像的边缘和局部纹理信息,接着通过特征融合过程得到一个更加能够描述屏幕失真的融合特征,最后采用支持向量回归训练得到屏幕图像融合特征向量与主观质量分数的质量评价映射模型。实验结果显示,与现有的图像质量评价方法相比,本文所提算法能够更好地反映出人类视觉系统对屏幕图像的主观感知度。      

结合颜色和MGD特征及MRF模型的场景文本分割

针对场景文本受到光照、复杂背景等因素影响而难以进行有效分割的问题,提出了一种融合颜色和最大梯度差(MGD,maximum gradient difference)特征及马尔科夫随机场(MRF,Markov random field)的场景文本分割方法。首先提取能够有效表达文本纹理特性的MGD特征,通过概率框架将其和颜色特征结合起来对观测图像进行建模;然后结合空间关系和邻域像素属性差异对传统势函数进行改进;最后建立场景文本分割的MRF模型,利用图割(graph cut)算法快速地求解该模型。实验结果表明,采用颜色和MGD特征相结合以及改进的势函数对分割结果具有较大地改善,尤其在光照不均匀及背景复杂情况下相比其他算法取得了较好的性能。     

Wavelet feature selection for image classification

Energy distribution over wavelet subbands is a widely used feature for wavelet packet based texture classification. Due to the overcomplete nature of the wavelet packet decomposition, feature selection is usually applied for a better classification accuracy and a compact feature representation. The majority of wavelet feature selection algorithms conduct feature selection based on the evaluation of each subband separately, which implicitly assumes that the wavelet features from different subbands are independent. In this paper, the dependence between features from different subbands is investigated theoretically and simulated for a given image model. Based on the analysis and simulation, a wavelet feature selection algorithm based on statistical dependence is proposed. This algorithm is further improved by combining the dependence between wavelet feature and the evaluation of individual feature component. Experimental results show the effectiveness of the proposed algorithms in incorporating dependence into wavelet feature selection.     

基于Voronoi几何划分和层次化建模的纹理影像分割

将基于像素MRF分割方法拓展到基于地物目标几何约束的区域MRF分割,提出了一种基于区域和统计的纹理影像分割方法,其基本思想是利用Voronoi划分技术将影像域划分为若干子区域。在此基础上,采用二值高斯马尔科夫随机场（BGMRF, bivariate gaussian markov random field）模型,静态随机场模型和Potts模型从邻域、区域及全局层次描述影像的纹理结构,并将该纹理结构模型纳入贝叶斯框架;依据贝叶斯定理构建纹理影像分割模型;利用metropolis-hastings (M-H)算法进行模型参数估计,并依据最大后验概率（MAP, maximum a posterior）准则进行优化,从而完成纹理影像分割。为了验证所提出方法的正确性,分别对合成纹理影像,真实纹理影像及遥感影像进行了分割实验,定性和定量的测试结果验证了提出方法的有效性、可靠性和准确性。     

Adaptive segmentation of textured images by using the coupled Markov random field model.

Although simple and efficient, traditional feature-based texture segmentation methods usually suffer from the intrinsical less inaccuracy, which is mainly caused by the oversimplified assumption that each textured subimage used to estimate a feature is homogeneous. To solve this problem, an adaptive segmentation algorithm based on the coupled Markov random field (CMRF) model is proposed in this paper. The CMRF model has two mutually dependent components: one models the observed image to estimate features, and the other models the labeling to achieve segmentation. When calculating the feature of each pixel, the homogeneity of the subimage is ensured by using only the pixels currently labeled as the same pattern. With the acquired features, the labeling is obtained through solving a maximum a posteriori problem. In our adaptive approach, the feature set and the labeling are mutually dependent on each other, and therefore are alternately optimized by using a simulated annealing scheme. With the gradual improvement of features' accuracy, the labeling is able to locate the exact boundary of each texture pattern adaptively. The proposed algorithm is compared with a simple MRF model based method in segmentation of Brodatz texture mosaics and real scene images. The satisfying experimental results demonstrate that the proposed approach can differentiate textured images more accurately.     

基于统计模型和KL距离的纹理图像检索

为了进一步提高纹理图像的检索性能,提出了一种基于统计模型离的纹理特征提取算法。根据小波分解的特点,从小波系数角度出发,以每个子带的小波系数系数直方图分布特性作为纹理特征,采用混合高斯模型和一般高斯模型分别对低频和高频信息进行描述,利用最大似然估计规则将特征提取和相似计算结合起来,采用KL距离进行度量。与一般高斯模型方法比较,该算法具有检索精度高等特点。理论分析和在纹理图像检索的对比实验数据说明该算法在纹理特征提取方面的性能较一般高斯模型方法提高了5%。     

基于对抗生成网络的纹理合成方法

纹理合成是计算机图形学、计算机视觉和图像处理领域的研究热点之一。传统的纹理合成方法往往通过提取有效的特征样式或统计量并在该特征信息的约束下生成随机图像来实现。对抗生成网络作为一种较新的深度网络形式,通过生成器和判别器的对抗训练能够随机生成与观测数据具有相同分布的新数据。鉴于此,提出了一种基于对抗生成网络的纹理合成方法。该算法的优点是不需要经过多次迭代就能够生成更真实纹理图像,且生成图像在视觉上与观测纹理图像一致的同时具有一定随机性。一系列针对随机纹理和结构性纹理的合成实验验证了该算法的有效性。