GMRF纹理模型在ATR评估系统中的应用

介绍高斯马尔可夫随机场（GMRF）纹理模型的基本原理，及该纹理模型参数的最大似然估计方法。针对已有的计算参数算法的运算量偏大的缺点，提出改进的参数计算算法，并列出具体实现步骤。对真实纹理进行模拟实验，结果表明该算法取得很好的效果。     

HMGMRF模型及其在高分辨率影像分割中的应用

通过修改离差预测的方式,对高斯马尔可夫随机场(Gauss Markov Random Field)模型加以改进,提出层次型多光谱高斯马尔可夫随机场 (Hierarchical Multispectral Gauss Markov Random Field,HMGMRF) 模型及其相应的分割算法。影像分割时,先通过HMGMRF模型分析地物在各波段光谱特征的变化趋势（即地物各波段的纹理特征）,期间结合了"谱间相关"这一特性,将离差预测时的邻域空间由原先的单层扩展为多层,增加了纹理特征的维度,从而提高了模型在描述纹理特征方面的能力;接着,基于贝叶斯原理,采用EM (Expectation Maximization)算法对各类地物的模型参数进行迭代估算;最后,基于增强型纹理特征,依据MAP (Maximum A Posteriori)原则,实现影像分割。实验结果表明,所提出的基于HMGMRF模型的分割算法具有较强的识别地物能力,可以获得较高的分割精度。     

一种基于函数联接网络的纹理分类方法

提出了一种基于函数联接的感知器神经网络的纹理分类方法,它采用高新－马尔柯夫随机场模型（ＧＭＲＦ）对纹理进行描述,模型参数即为纹理特征,参数估计采用最小平方误差方法获得,将估计参数作为表达纹理的特征向量,用感知器网络对特征进行分类,并且采用函数联接的方式解决线性不可分问题,对纹理图象进行的实验表明,采用这种方法能够提高学习速度,简化计算过程,并取得较好的纹理分类效果。     

基于简化随机场模型的高分辨率遥感影像分割方法

提出了一种灰度分割的基础上添加辅助的纹理分割的基于简化随机场模型的遥感影像目标分割方法,即用常用的描述局部图像特点的特征代替MRF中定义的特征,将这些特征组合成特征向量进行模糊C均值聚类完成分割。给出了算法流程和实验结果,并将该结果与基于高斯马尔可夫随机场模型法分割的结果进行比较,实验结果表明简化随机场模型法在保证一定的分割精度的情况下,分割速度明显快于高斯马尔可夫随机场模型法。     

应用马尔可夫随机场的金属疲劳断口条带分割

研究了金属疲劳断口图像的分割问题,提出了一种基于马尔可夫随机场（MRF）的金属疲劳断口图像的条带分割方法。由于疲劳断口图像中的纹理记录了整个断裂过程中的受力情况,通过对疲劳断口的条带纹理进行分析可以反演断裂的过程,因此研究疲劳断口图像的分割可以对失效分析有重要的科学价值。文中构造了图像的马尔可夫随机场模型,并且提出了一种基于该模型的图像分割算法。马尔可夫随机场模型是一种描述图像结构的概率模型,能够充分利用图像的空间相关信息,能够实现对低信噪比的金属疲劳断口图像进行条带分割。结果表明算法具有收敛速度快、稳健性好等优点。     

一种无接缝纹理映射算法

针对基于图像三维重构得到的三维形状的纹理映射算法通常存在接缝现象的问题,提出一种无接缝纹理映射算法。该算法通过建立三维网格顶点和视点之间的马尔可夫随机场模型,利用重心坐标权重插值进行颜色填充,构造出一个无接缝的纹理图像。实验结果表明,马尔可夫随机场模型可以在保证纹理图像质量的同时最小化接缝现象,在此基础上的权重颜色插值方法能够完全消除接缝现象。     

基于环形马尔可夫模型的纹理图像分类

提出了一种基于环形马尔可夫模型的纹理图像分类方法。利用环形邻域构建马尔可夫模型,在模型参数求解过程中,为了避免矩阵奇异,设计了模型参数分步求解算法。基于环形马尔可夫模型提取纹理特征,然后基于动态邻域Tabu搜索算法进行特征选择,得到最优的纹理特征子集,输入到最大似然法分类器中实现图像的分类。实验结果证明,与传统的栅格马尔可夫模型相比,环形马尔可夫模型能够更好地描述纹理图像像元之间的空间相关性信息,大大提高了纹理图像分类精度。     

基于马尔可夫随机场的运动分割研究

运动对象的分割技术一直是图像处理和计算机视觉领域的重要研究课题。采用一种将运动估计方法与马尔可夫随机场（MRF）模型相结合的运动分割方法。采用鲁棒统计技术与误差模型相结合构成运动估计的目标函数,运动模型为仿射运动,通过过松弛算法获得每种运动的运动参数;根据误差最小原则确定运动对应区域的初值,采用马尔可夫随机场（MRF）模型对运动估计结果进行平滑去噪。最后给出了该方法在通用图像实例上的实验结果。     

结合MRF模型与粒子群优化算法的遥感影像纹理分割

影像纹理的马尔可夫随机场(MRF)模型是一种分析纹理较为经典的方法,已被广泛用于影像纹理的模拟和分割。由于传统的模拟退火算法在计算全局最优解时,处理效率较低,无法满足纹理分析与处理的性能要求。设计了一种判定纹理类别的适应度函数,提出了利用粒子群优化算法计算适应度函数的最优解,应用该算法对遥感影像数据进行了纹理分割实验。实验结果表明,该算法与模拟退火算法比较,具有寻优速度快的优点,是一种有效的图像分割优化方法。     

应用遥感影像纹理特征提取线性体的马尔柯夫随机场模型

分析了遥感影像纹理的统计特征,利用马尔柯夫随机场能够合理地描述图像纹理的随机特征,建立了纹理特征马尔柯夫随机场模型,并且对该模型在提取线性体方面作了初步探讨。研究表明该方法在遥感图像线性体信息提取方面有着广阔的应用前景。     

基于马尔科夫随机场框架的单幅图像去雾*

雾或霾等天气会降低场景的能见度,给机器视觉的后续处理造成影响。针对图像雾霾退化的恢复、及现有基于马尔科夫随机场图像去雾算法的缺陷,提出了一种新的基于马尔科夫随机场和暗通道先验的图像去雾算法。该算法以雾天条件下退化模型为基础,通过介质传输图和原始无雾图像的约束条件,利用暗通道先验获取介质传输图的粗估计,构造MRF框架下的代价函数。为使去雾图像保持更多的纹理细节,引入纹理检测函数改进代价函数,最终求得去雾图像和介质传输图。实验结果表明,本文方法可以得到较好的去雾效果,同时保持较多的纹理细节和更快的运算时间。     

隐马尔可夫模型在自然语言处理中的应用

隐马尔可夫模型是序列数据处理和统计学习的一种重要概率模型,最近几年已经被成功应用到许多关于自然语言处理的任务中.简要介绍了隐马尔可夫模型,对其在词性标注应用中的难点、模型的建立,Viterbi算法等问题进行了详细论述,给出了基于隐马尔可夫模型的中文科研论文头部信息抽取过程以及模型结构的学习和参数的训练等关键问题的解决办法.     

基于条件随机场的新浪微博情感倾向性研究

采用知网发布的应用词源,通过自定义新浪微博的常用短语,形成一个专用的分析词语集合,并利用机器学习算法——条件随机场算法进行情感分析.对比试验表明,相较于马尔科夫随机场算法,本文方法在对新浪微博情感倾向性分析评测中取得了较好的结果.     

Parameter estimation in Markov random field contextual models usinggeometric models of objects

We present a new scheme for the estimation of Markov random field line process parameters which uses geometric CAD models of the objects in the scene. The models are used to generate synthetic images of the objects from random view points. The edge maps computed from the synthesized images are used as training samples to estimate the line process parameters using a least squares method. We show that this parameter estimation method is useful for detecting edges in range as well as intensity edges. The main contributions of the paper are: 1) use of CAD models to obtain true edge labels which are otherwise not available; and 2) use of canonical Markov random field representation to reduce the number of parameters     

一种新的CpG岛的位置识别算法

随着多数生物基因组测序工作的完成,基因识别就显得尤为重要.CpG岛在基因组中有着重要的生物学意义,因此识别CpG岛将有助于基因的识别.目前已经构建的一些识别CpG岛的位置的模型大都存在标注偏差、需要独立假设等缺点,为此提出一种基于条件随机场(CRFs)模型的CpG岛的位置识别的新方法.该方法将识别CpG岛的位置的问题转化为序列标记问题,并根据CpG岛的位置的性质设计了相应的模型构建、训练以及解码的算法.利用本文算法可以对输入序列确定最有可能的标注序列,从而识别CpG岛的位置.通过对标准数据库的数据进行测试,其实验结果表明本文算法是可行的、高效的,比HMM方法有更高的准确率.     

Modeling textured images using generalized long correlation models

The long correlation (LC) models are a general class of random field (RF) models which are able to model correlations, extending over large image regions with few model parameters. The LC models have seen limited use, due to lack of an effective method for estimating the model parameters. In this work, we develop an estimation scheme for a very general form of this model and demonstrate its applicability to texture modeling applications. The relationship of the generalized LC models to other classes of RF models, namely the simultaneous autoregressive (SAR) and Markov random field (MRF) models, is shown. While it is known that the SAR model is a special case of the LC model, we show that the MRF model is also encompassed by this model. Consequently, the LC model may be considered as a generalization of the SAR and MRF models     

Maximum likelihood estimation methods for multispectral randomfield image models

Considers the problem of estimating parameters of multispectral random field (RF) image models using maximum likelihood (ML) methods. For images with an assumed Gaussian distribution, analytical results are developed for multispectral simultaneous autoregressive (MSAR) and Markov random field (MMRF) models which lead to practical procedures for calculating ML estimates. Although previous work has provided least squares methods for parameter estimation, the superiority of the ML method is evidenced by experimental results provided in this work. The effectiveness of multispectral RF models using ML estimates in modeling color texture images is also demonstrated     

基于随机遮挡孔径的光场图像混叠检测方法

现有光场采集系统存在角度信息欠采样的问题,由此引起的图像混叠效应降低了光场图像质量. 本文在2D光场框架下分析了光场图像混叠的空域模型,并且提出一种变换离散孔径采样密度的混叠检测方法. 该方法通过计算随机遮挡孔径（Random masked aperture,RMA）成像点集的变异系数进行混叠检测,特点在于无需已知场景深度和纹理的先验信息. 以平面相机阵列为采集平台,本文在多组真实光场数据集上进行了方法的验证,并且在检测结果基础上对混叠效应进行了修正.     

Analysis of zero-inflated clustered count data: A marginalized model approach

Min and Agresti (2005) proposed random effect hurdle models for zero-inflated clustered count data with two-part random effects for a binary component and a truncated count component. In this paper, we propose new marginalized models for zero-inflated clustered count data using random effects. The marginalized models are similar to Dobbie and Welsh’s (2001) model in which generalized estimating equations were exploited to find estimates. However, our proposed models are based on a likelihood-based approach. A Quasi-Newton algorithm is developed for estimation. We use these methods to carefully analyze two real datasets.     

An Identification Problem for Systems with Additive Fractional Brownian Field

The authors consider the problem of nonparametric estimation (identification) for a wide class of random fields on a plane satisfying solutions of stochastic partial differential equations with additive fractional Brownian field. The asymptotic properties of the estimate of drift parameter are analyzed with the use of the method of sieves.