基于马尔可夫随机场的SAR目标切片图像分割方法

SAR目标切片图像分割是基于SAR图像目标识别的一个重要步骤。文中通过利用马尔可夫随机场模型 ,引入图像象素的局部结构信息 ,有效实现了SAR目标切片图像的高精度分割。通过对SAR目标切片图像进行统计分析 ,精确选择了分割算法的迭代初值 ,极大提高了算法的计算效率。和其它分割算法相比 ,文中算法在分割速度和精度上均有较大提高     

一种基于非均匀马尔可夫随机场的图像分割方法

提出了一种新的基于非均匀马尔可夫随机场(MRF)的图像分割算法。基于非均匀马尔可夫随机场的图像分割的关键是对MRF中耦合系数的估计。本文结合四叉树分解提出了一种新的非均匀MRF的耦合系数估计方法。先对图像用传统的MRF分割方法进行预分割,再在预分割的基础上用边缘检测算子检验出预分割图像中的边缘,再利用图像的边缘信息对图像进行四叉树分解,把图像分成不同大小的子块。再根据每个子块的大小,估计出非均匀MRF的耦合系数。实验表明,将本文方法估计出来的耦合系数应用到分割算法中去,能明显改善图像分割的效果,而且具有更好的自适应性。     

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。     

基于马尔可夫随机场的降质光学图像预处理

文本图像等统计规律比较强的图像中存在模糊、笔划不完整等降质问题,基于文本图像在结构和统计规律等方面的特点,建立相应的马尔可夫随机场模型对其进行预处理,以进一步提高后续处理的正确率并减轻后续工作难度.该方法首先通过样本训练建立观测模型以对先验概率进行学习,然后采用模拟退火算法对模型参数优化计算,最后利用前两阶段所得模型进行未知图像处理.实验结果表明,该方法简单有效,可以取得较好的预处理效果.     

基于小波变换和马尔可夫随机场的极化SAR图像自动分类

本文提出一种对极化合成孔径雷达(SAR)图像进行自动多分辨率分类的方法。首先利用多视极化白化滤波(MPWF)抑制极化SAR图像的相干斑,得到反映地物辐射特征的纹理SAR图像,然后利用小波变换(WT)提取不同分辨率的纹理信息,在最低分辨率级利用Akaik信息准则(AIC)自动估计图像中的纹理类数,进而在各个分辨率级利用马尔可夫随机场(MRF)模型表征各像素间的空间关联信息,并分别利用最大似然(ML)方法和循环条件模式(ICM)进行自动的模型参数估计和最大后验概率(MAP)分类,最后应用NASA/JPL机载L波段极化SAR数据验证了本文所提分类方法的有效性和优越性。     

结合博弈论的马尔可夫随机场红外图像分割

电路板红外图像芯片提取是电路板红外图像故障检测系统中的重要环节,已成为红外图像分割领域关注的一个重点。传统的芯片发热区域提取方法大多需要人工干预,且分割效果不理想,容易丢失边缘信息,导致细节特征不明显。针对以上缺陷提出一种结合博弈论的改进马尔可夫随机场分割算法。首先用现有的OTSU算法对图像进行粗分割,将图像分为两个子集（背景域和目标域）,然后利用马尔可夫随机场（MRF,Markov Random Field）理论建立图像分割模型,最后利用结合博弈理论的MMD（Modified Metropolis Dynamics）算法,根据模型分别对每个子集进行细致分割,提取核心发热区域。实验表明,改进算法应用在电路板芯片发热区域提取时,能够较好地抑制噪声,准确处理边缘信息,与传统算法相比,在视觉效果和客观数据上都有很大的提高,具有一定的准确性和鲁棒性。     

基于上下文和隐类属的小波域马尔可夫随机场SAR图像分割

该文针对合成孔径雷达(Synthetic Aperture Radar, SAR)图像含有大量的乘性斑点噪声的特点,提出了一种小波域隐类属的马尔可夫随机场(Markov Random Field, MRF)图像分割算法来抑制噪声的影响。考虑到小波的聚集性和持续性,该算法重新构造了待分图像小波域模型以类属为隐状态的混合长拖尾模型,将隐类属的马尔可夫随机场推广到小波域上,并用改进的上下文模型估计尺度间转移概率,最后推导出了新的最大后验(Maximum A Posteriori, MAP)分割公式。仿真结果证明,该算法具有鲁棒性能够有效地抑制噪声对图像的影响,得到准确的分割结果。     

基于时空马尔可夫随机场的运动目标分割技术

复杂场景下的运动目标分割技术是近年来多媒体通信技术研究的热点之一。文中提出一种基于时空马尔可地随机场模型的运动目标分割技术。首先建立运动序列图像的时空马尔可夫随机场模型并且构造其相应的能量耗费函数,通过模型可以提出期望的空间属性。然后利用迭代条件模型（ＩＣＭ）算法实现最大后验概率（ＭＡＰ）估算问题。最后利用形态滤波的方法对分割结果进行修正。模拟实验结果证明,该方法能够有效地抑制图像的噪声,对于运动     

基于两方法博弈的马尔可夫随机场红外图像分割算法

电路板红外图像芯片提取是电路板红外故障检测系统中的重要环节,已成为红外图像分割领域关注的一个重点。针对红外图像的特性及传统分割算法效率和精度不足的缺陷,提出一种基于两种优化策略博弈的马尔可夫随机场红外图像分割方法。首先通过OTSU算法对图像进行初始分割;然后利用马尔可夫随机场理论建立图像分割模型;最后,通过SA、ICM优化策略间的博弈对图像进行分割,将两种优化策略视为博弈的两个局中人,通过寻找博弈的纳什均衡点来实现分割;实验结果表明,算法能够无人工干预地准确提取电路板红外图像所有芯片发热区域,并且很好地抑制噪声,准确处理边缘信息,具有一定的实用性和鲁棒性。     

基于MAR-MRF的SAR图像分割方法

该文提出了一种基于多尺度自回归模型和马尔科夫随机场的SAR图像分割算法。算法引入多尺度自回归模型,建立层与层之间以及相邻层的像素点之间的数学关系,并将此模型与马尔科夫分割算法结合,实现了更为合理的多尺度分割策略。通过相邻尺度的依赖关系及同一尺度空间的马尔可夫性,使用多尺度自回归模型的预测结果来引导精细尺度图像分割,不仅使得最细尺度下的分割迭代次数减少;而且去除了最细尺度下多余的误分类斑块;同时还能够分割出清晰、平滑的目标边界,实现了较满意的SAR图像分割。     

多尺度马尔科夫随机场在基于高分辨率合成孔径雷达影像的城市地物分类中的应用

本文通过基于多尺度马尔科夫随机场模型的最大似然算法及基于传统马尔科夫随机场势函数的像素间Gabor相似方法,使用迭代条件模型对影像进行分割,使用K均值分类算法对分割后的影像进行分类,选择北京市通州区作为研究区,使用上述方法对多幅该区域的高分辨率合成孔径雷达影像进行了分类,新方法可以实现优于传统算法的分割精度,能够清晰区分建筑物之间的边界。     

一种新的基于时空马尔可夫随机场的运动目标分割技术

在图像处理领域,视频图像序列中的运动目标分割技术是一个被广泛研究的热点课题。该文提出一种新的基于时空马尔可夫随机场的运动目标分割技术。首先,对视频序列的前后3帧图像进行处理,获得两帧初始标记场;随后,对两帧初始标记场进行“与”操作,获得共同标记场;最后,以原始图像的色彩聚类图像作为先验知识,重新定义Gibbs能量函数,并利用迭代条件模型（ICM）实现最大后验概率（MAP）的估算问题,获得优化标记场。实验结果表明：该模型克服了传统时穿马尔可夫随机场模型因运动产生的晶露遮挡现象,同时减弱了运动一致性造成的空洞现象并削弱了噪声的影响。     

基于马尔科夫分割的单极化SAR数据洪涝水体检测方法

我国是个洪涝灾害多发的国家,每年7月、8月份洪涝灾害时常发生。因此,实现洪涝受灾区域的水体快速检测对灾害救援和评估具有重要的意义。高分3号SAR卫星数据采用主动式对地观测技术,全天时、全天候成像的特点在洪涝减灾应用中具有明显的优势。以湖南省洪涝灾害区域快速检测为目的,该文提出基于高分3号单极化SAR数据的洪涝区域水体快速检测方法,包括SAR预处理,顾及SAR分布特性且保边缘的马尔科夫模型洪涝水体提取,基于SAR几何构象模型的阴影虚警干扰去除等步骤,并利用人工检测结果进行相对精度评价。测试结果表明,所提方法可以实现洪涝受灾区域的快速、精确提取。

     

基于MRF模型的SAR图像变化检测研究

SAR图像变化检测可以广泛应用于国民经济和国防建设的很多领域,已成为遥感领域中研究的热点之一.现有的SAR图像变化检测算法在变化检测过程中仅仅考虑不同时相图像数据的单一像素信息,未考虑图像像素间的空间依赖关系,检测结果易受SAR图像噪声的影响,检测精度很低.文中将能够描述图像相邻坐标之间状态的依赖关系,表达图像局部统计特征的MRF模型引入到SAR图像变化检测算法中,实验结果表明,该算法极大地提高了检测精度,且对图像噪声有很强的鲁棒性.     

一种基于非参数密度估计和马尔可夫上下文的SAR图像分割算法

在研究传统的基于参数的合成孔径雷达(SAR)图像统计模型基础上,为了精确估计高分辨率SAR图像的统计分布,该文提出了一种结合基于核函数的非参数估计和马尔可夫上下文的SAR图像分割算法。该算法首先采用基于核函数的非参数方法估计SAR图像的统计分布,然后将此统计量作为图像分割的似然函数,利用马尔可夫上下文约束进行SAR图像分割。该文通过软件仿真对新算法和基于参数的统计模型的算法的效果进行了比较。研究发现,基于核函数的非参数估计方法仅仅依赖实际数据,在无法准确获取分布函数解析式的情况下往往具有更好的效果。实验证明,基于核函数的非参数估计方法对高分辨率SAR图像中较为复杂的场景如城区的提取取得了更为满意的结果。     

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.     

基于扩散方程和MRF的SAR图像分割

该文提出了一种基于图像扩散方程和马尔科夫随机场(MRF)的合成孔径雷达(SAR)图像分割方法。在传统MRF算法的基础之中,引入对图像的扩散,用来平滑SAR图像中的噪声,保护图像中的边缘部分,并且加快收敛的速度。首先对输入的SAR图像进行扩散,通过MRF进行统计,得到图像中各点的后验概率,再对得到的后验概率进行扩散。与传统的MRF算法进行比较,该文的方法较好地去除了误分割斑块,减少算法的运行时间。     

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。