改进MRF参数模型的声呐图像分割方法

为取得更好的声呐图像分割效果,提出了一种基于改进MRF参数模型的声呐图像分割方法.在空间邻域MRF3类分割中,利用一个简单的正比例分布模型来描述目标区的分布;对于MRF模型参数的建立,采用新的3类分割空间邻域MRF模型参数.在此基础上,把新建立的3类分割空间邻域MRF模型参数和层次间相互作用的模型参数应用于空间分层MRF3类分割,得到最终精确的3类分割结果.同时,通过对人造模拟声呐图像以及真实声呐图像的分割实验,验证了提出的分割方法对噪声不敏感,具有较高的分割精度和适应性.     

一种基于MRF与区域合并的图像分割改进算法

针对现有基于马尔科夫随机场的图像分割算法容易出现过分割、分割结果不理想等问题,提出了一种基于马尔科夫随机场与区域合并的图像分割改进算法。该算法首先基于马尔科夫随机场与高斯混合模型理论的图像分割算法得到初始分割结果;然后利用各个区域间的相邻关系、颜色关系以及边界情况等信息,给出各个区域间的距离;最后按照区域间的距离与区域合并前后的颜色散度变化率对初始分割结果进行区域合并,输出最终的分割结果。使用伯克利标准图像库进行实验仿真,采用Dice系数和Jaccard系数作为评价指标。仿真结果表明,相比于现有基于MRF理论的算法,本文算法具有更好的分割效果。     

基于概率图模型优化的图像融合

针对图像融合问题的马尔可夫随机场模型,应用图割算法优化求解其等价的能量函数,不仅可以获得融合问题的全局最优解,而且计算速度相对于模拟退火算法求解图像融合问题的能量函数有显著的提高,仿真结果表明该算法是可行和高效的.     

基于MRF的SMT焊点区域分割的研究

基于马尔可夫随机场（MRF）图像分割模型,该文提出了一种能够较好分割出表面贴装技术（SMT）焊点区域的分割算法,即基于Gibbs采样的模拟退火算法,并讨论了影响图像分割效果的主要因素,最后将该算法与传统的Gibbs采样算法以及模拟退火算法进行比较。实验结果表明,该算法通过少量人工干预、降低采样维度,从而减少了优化收敛时间,能最快地收敛到全局最优,分割成功率较高,结果较为精确,为进一步的焊点质量分析提供了保证。     

基于多尺度局部区域置信度传播算法的图像分割

针对基于多尺度马尔可夫随机场 (Markov random fields, MRF) 的图像分割中常产生块效应的问题, 提出了一种多尺度置信度传播 (belief propagation) 算法, 通过建立不同尺度的局部区域, 在MRF分割模型上进行区域消息的传播, 最终基于局部区域概率的最大后验准则 (maximum a posterior) 得到图像的分割结果.提出的算法把图像的局部区域特征和全局特征结合起来, 在图像的精细层进行多尺度消息的传递, 避免了常规多尺度MRF模型层间误分类的传递.提出的算法不仅得到了更准确的图像分割结果, 而且具有较快的分割速度.实验结果表明了提出算法的有效性.     

一种基于MRF样本修补的改进算法

针对Cheng提出的样本修补算法,引入结构的几何量描述,重新定义优先级公式,以提高结构平稳性;改进置信度项更新法则,以便抑制修补过程产生的误差累积。实验结果表明,改进算法能够有效避免传统算法生成的垃圾物,较好保持纹理和结构特征。     

一种基于Markov随机场的图像分割方法

提出一种基于Markov随机场图像分割方法。在K-Means图像分割的基础上,建立标记场和特征场,构造Markov随机场模型,再利用条件迭代模型（ICM）算法逐点更新图像标记,实现图像的最大后验概率（MAP）估计,从而实现图像的有效分割。实验结果表明,该方法比直接采用Markov方法有着更好的分割效果。     

基于多尺度局部区域能量最小化算法的图像分割

常规多尺度MRF模型中固定的四叉树结构造成图像分割结果中常产生块现象和非连续边缘.为解决这一问题,提出了一种新的多尺度MRF模型,并建立了基于区域消息传递的置信度传播(BP)算法,通过BP算法在多尺度MRF模型中对区域消息进行传递;在层间,从粗糙层向精细层进行消息传递时,利用提出的MRF模型父子区域之间的重叠,有效初始化了精细层消息的初值,避免了多尺度MRF模型层间误分类的传递;最后基于MPM准则对分割结果进行估计.实验结果表明提出的算法不仅得到了更准确的图像分割结果,而且具有较快的分割速度.     

基于隐马尔可夫随机场的细胞分割方法

为了提高细胞聚合、粘连区域的分割准确性,本文提出一种基于空间聚类和隐马尔可夫随机场的两级分割算法。以像素点颜色特征为依据,在Lab色彩空间中采用k-means++聚类方法得到初始化标签集;通过HMRF构建细胞图像的空间表达模型,充分利用空间约束关系,减少孤立点影响,平滑分割区域;采用期望最大值算法优化模型参数,利用标记场和观测场的相互作用,通过迭代算法不断调整标签集合,迭代直至收敛得到全局最优值。对来自于骨髓涂片的61幅细胞图像中的780个6类细胞的实验表明,本文算法提高了分割的准确率(不小于95%),便于进一步提取细胞病理特征,实现检测识别。     

基于梯度和MRF模型的视差估计算法

提出一种基于梯度和MRF(Markov Random Field)模型的视差估计及优化算法．采用图像灰度和梯度加权联合的方法进行块匹配运算,获得初始视差场．然后根据顺序匹配准则对该视差场进行交叉块检测,并运用基于MRF模型的因果预测对误匹配块进行迭代校正,最终获得较为精确平滑的视差场．实验表明,与传统块匹配法相比,该算法生成的视差场能够将预测图像峰值信噪比提高1.2~1.8dB,且运算时间在1s以内．     

基于Markov随机场的Student's t混合模型的脑MR图像分割

为解决在使用期望最大化(EM)算法求解混合模型前需要额外的计算问题,提出一种新的基于Markov随机场的Student's t混合模型,该模型能直接利用简单有效的EM算法求解。试验结果表明,该方法能有效克服噪声对图像分割的影响,获得较好的分割结果。     

彩色图像的马尔可夫随机场恢复算法

提出了一种基于多色彩通道相关性的退化彩色图像恢复算法.该算法利用马尔可夫随机场(MRF)作为彩色图像恢复的先验概率分布模型,在模型中采用8-邻域的线过程来表征和提取多色彩通道间的相关性.针对模型求解时采用经典模拟退火算法的时间复杂性太高,采用改进次优模拟退火算法对彩色图像进行快速恢复.实验结果表明,该算法能够用于退化彩色图像的快速恢复,且能很好地避免色彩混迭,提高退化彩色图像的恢复质量.     

基于马尔可夫随机场的非监督声呐图像分割方法

针对声呐图像的特点,提出了一种新的基于马尔可夫随机场(MRF)的非监督声呐图像自动分割方法。研究发现,声呐图像混响区基本上都服从高斯分布,然而,其直方图离散化的分布效果不利于图像的自动分割,因此,通过一种快速有效的高斯金字塔模型对声呐图像进行预处理,使得处理后的声呐图像的海底混响区直方图服从高斯分布。在此基础上提出了一个能够自动确定声呐图像分类个数的模型,并通过该模型结合一种局部能量极值化的方法对马尔科夫模型的初始化参数进行估计,从而形成一种完全自动的声呐图像分割模型。最后,利用该模型对声呐图像数据进行了分割实验,并和其他典型的分割算法进行了比较,验证了该方法的有效性及快速性。     

并行图切割马尔可夫随机场算法设计

图切割(Graph-Cut)算法被广泛应用于马尔可夫随机场,使得原NP问题转变为多项式时间近似求解问题.讨论了Yuri Boykov的图切割算法的并行能力,设计并实现了其增长(Grow)和收养(Adopt)步骤的并行算法.在增长函数中使用分支界限法的广度优先搜索,并使用扩展终止线程函数,提升算法的执行效率,并在上述2个函数中调用OpenMP3.0新加入的任务(Task)功能,解决其不规则(Irregular)算法.对p个处理器,最坏情况的运行时间从原来的O(bd/2+a+nr)缩短到O(bd/2/p+a/p+nr/p).分别在单核与多核对多个能量函数的优化进行计算,实验证明此并行算法准确有效     

基于边缘信息和时空马尔可夫模型的运动目标检测方法

针对传统方法易受阴影和噪声的影响,不能精确分割出运动目标的情况,提出了一种基于边缘信息和时空马尔可夫模型的运动目标检测方法。首先对3帧连续的图像进行边缘提取,然后通过差分法运算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,利用迭代条件模型求解共同标记场的全局最小值,进而实现近似求解最大后验概率的估算,获得优化的标记场,最后通过阈值分割和形态学处理完成对目标的检测。与多种方法进行比较表明,该方法能对运动目标进行准确检测,且具有很好的鲁棒性。     

一种基于宏块信息的快速MPEG视频分割算法

提出了一种基于宏块信息的快速MPEG压缩视频场景分割算法。该算法只需要通过直接抽取MPEG视频流中的B帧、P帧中的宏块类型信息,并对其进行计算就可以检测出视频中存在的镜头边界,从而对场景变换进行精确定位。这种方法无需对压缩视频进行解压,所以能够满足实时检测的速度要求。经过选用多个MPEG压缩视频进行实验分析证明,此方法能够精确有效地检测出视频流中存在的镜头边界。     

Neutrosophic fuzzy clustering segmentation algorithm based on HMRF

Considering neutrosophic C-means clustering algorithm with weak ability of suppressing noise, a neutrosophic C-means clustering segmentation algorithm based on the hidden Markov random field is proposed. First, the hidden Markov random field is used to describe the prior information of the arbitrary pixels classification. Second, information divergence between the prior information and sample classification membership is taken as a regular term and embedded into the existing neutrosophic C-means clustering objective function. Third, the samples in the European Space is mapped into the high-dimensional space through the kernel function, and the iterative expression for the neutrosophic C-means clustering segmentation algorithm based on the hidden Markov random field is obtained by the optimization method. Many standard, actual, and synthetic images corrupted by noise are used to validate the segmentation performance of the improved clustering segmentation algorithm. Experimental results show that the anti-noise performance of the proposed segmentation algorithm is improved significantly than the fuzzy C-means clustering algorithm based on the hidden Markov random field, and other fuzzy clustering segmentation algorithms.     

基于时域定区间记忆补偿的视频对象分割算法

提出了一种新的基于时域定区间记忆补偿的视频对象分割算法。首先,使用对称帧帧差累计法及帧差图像的四阶矩检测出初始运动变化区域;然后,对检测出的初始运动变化区域通过时域定区间记忆补偿法进行补偿,并进一步整合形成全局运动记忆母板,在空域使用Sobel边缘检测算子较为精确地检测得到当前帧中所有边缘;最后,进行时空融合,从而提取出完整精细的运动对象轮廓并通过填充得到运动对象模板。实验证明了本文算法的正确性和快速性。     

基于层叠的部件轨迹片段模型的视频人体姿态估计

为解决单目视频中的人体姿态估计问题,从人体的部件模型出发,以人体部件轨迹片段为实体构建时空概率图模型,通过逐步缩减轨迹片段在时域上的覆盖度,形成多级层叠模型,采用迭代的时域和空域交替解析的策略,从完整轨迹的推理开始,逐级过滤状态空间,直至获取人体各部件在每帧图像中的最优状态。为提供高质量的状态候选,引入全局运动信息,将单帧图像中人体姿态检测结果传播到整个视频形成轨迹,构成原始状态空间。在3个数据集上的对比试验表明,该方法较其他视频人体姿态估计方法达到了更高的估计精度。