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。     

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。     

一种基于简化马尔可夫随机场的红外图像快速分割方法

分析了传统的基于马尔可夫随机场图像分割算法收敛速度慢和固定加权等缺点,提出了一种基于简化马尔可夫随机场的红外图像快速分割算法。该算法首先对红外图像极大似然初始分割,并利用简化马尔可夫随机场对图像进行建模。在此基础上采用自适应的加权变化形式进行迭代,不但加速了分割算法的收敛速度,而且使得分割效果都大为改善。在真实的飞机和舰艇红外图像上,该算法都取得了较好的分割效果。     

采用扩展MRF的红外目标自适应检测方法

针对天基红外监视系统中不同形状目标的联合检测问题,提出基于扩展马尔可夫随机场的自适应目标检测算法。首先分析了天基红外监视系统中的目标特性,在此基础上以典型目标形状为模板,构建了扩展的马尔可夫随机场邻域系统;其次构建了新的马尔可夫势函数,并利用红外图像中背景与目标之间的马尔可夫势差异,将复杂背景中不同形状目标联合检测问题转换为马尔可夫势差异的判别问题,有效解决了马尔可夫随机场理论框架下混合形状目标检测问题。仿真试验结果表明,所提出的算法能够根据目标形状的变化自适应地检测各类目标,并可在不同图像信杂比条件下进行目标检测处理,具有较强的鲁棒性。     

HMT与HMRF联合的SAR图像小波去斑方法

该文将隐马尔可夫树(HMT)和隐马尔可夫随机场(HMRF)两种模型相结合,提出了一种新的估计SAR图像小波系数隐状态的迭代算法.使用该算法可以充分利用小波系数尺度间和尺度内的相关性,更准确地估计隐状态.在此基础上,通过贝叶斯估计分离出小波系数中的信号成分即可消除噪声影响.实验结果表明,该算法能够有效抑制SAR图像相干斑,同时可较好地保持边缘等图像结构特征.     

结合图像梯度和亮度的并行信任传播算法

对立体匹配问题建立马尔可夫随机场模型,使用并行的多尺度信任传播算法求解马尔可夫随机场的能量最小化问题.在传统串行算法基础上利用CUDA技术实现了并行计算,并结合图像的梯度和亮度信息计算能量函数的数据项,平滑项采用两个相邻像素视差的绝对差度量.以标准的Middlebury立体数据集做为输入,实验结果表明：算法具有很好的实时性能,运行时间远小于传统的串行算法,深度图结果较优.     

一种采用高斯隐马尔可夫随机场模型的遥感图像分类算法

该文研究了无监督遥感图像分类问题。文中构造了图像的隐马尔可夫随机场模型(HiddenMarkov Random Fleid,HMRF),并且提出了基于该模型的图像分类算法。该文采用有限高斯混合模型(Finite Gaussian Mixture,FGM)描述图像像素灰度的条件概率分布,使用EM(Expectation-Maximization)算法解决从不完整数据中估计概率模型参数问题。针对遥感图像分布的不均匀特性,该文提出的算法没有采用固定的马尔可夫随机场模型参数,而是在递归分类算法中分级地调整模型参数以适应区域的变化。实验结果表明了该文算法的有效性,分类算法处理精度高于C-Means聚类算法.。     

线元马尔可夫随机场模型和重建

本文提出了一种线元马尔可夫随机场模型,其状态由一定方向的线元及其空间相互关系加以描述,利用神经元网络的学习功能和多值Boltzmann机模型,对线元马尔可夫随机场模型进行重建,计算机实验结果证实了重建算法的有效性。     

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MRF的自适应帧差运动目标检测

为克服传统的运动目标检测算法容易受到显露遮挡,空洞以及噪声现象的影响,构造了一种基于MRF的自适应帧差运动目标检测算法。采用最大类间方差法自适应确定序列图像的初始标记场;通过帧差及“与”运算处理,消除伪运动信息;结合马尔可夫随机场理论构建了自适应马尔可夫随机场模型系统能量函数;并利用迭代条件模式算法完成标记场的优化过程,准确的提取出运动目标。实验结果表明,该算法能够有效地实现运动目标检测,效果理想。     

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。     

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。     

《电讯技术》专题资料《雷达探测技术》题要（七）

基于模拟退火算法的SAR图像复原（彭祥龙,张扬）． 根据吉布斯马尔可夫随机场模型和SAR图像斑点噪声的伽玛分布统计特性,应用模拟退火算法,实现雷达截面的全局优化伪似然估计。本文将新解4选1的方法从极化SAR图像推广到一般SAR图像;提出一种实用有效的图像特征检测法;说明了一阶模型和零阶模型之间的联系,并给出满意的处理结果。     

基于生成MRF和局部统计特性的红外弱小目标检测算法

红外复杂背景中的弱小目标检测问题可看作是马尔可夫随机场理论框架下红外图像中背景与目标的二元分类标记问题.基于马尔可夫随机场后验概率模型, 提出利用先验的目标信杂比信息和图像局部统计特性构建观测图像后验概率模型的方法, 并采用经典ICM (Iterated conditional mode)方法对图像最优标记结果进行估计.仿真试验结果表明, 算法在保证目标标记结果准确率的同时, 有效降低了背景的误标记概率; 且由于采用局部统计特性进行建模, 算法有效降低了模型参数与标记结果间的关联性, 提高了最优标记估计的收敛速度.     

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     

基于马尔可夫随机场的图像去噪复原方法

由于样本空间的多样性,势函数模型难以计算,因此无法得到马尔可夫随机场模型的参数估计。针对该问题,提出基于麦克劳林级数的马尔可夫随机场参数估计算法。通过二阶麦克劳林级数的展开式得到了势函数的近似值和似然函数的表示式,推导出极大似然估计对应的非线性方程组,通过牛顿迭代法得到方程组的解即是马尔可夫随机场的极大似然估计。提出了一种改进的Gibbs采样方法,加快了模拟退火的速度。实验分别从视觉效果、峰值信噪比和稳态迭代次数三方面验证了算法的有效性。     

马尔可夫随机场在SAR图像处理中的应用

马尔可夫随机场（MRF）可以很好地描述空间连续性，选择适当的邻域系统，能对图像的结构特征建模。利用以能量函数表示的联合概率分布，可以使用优化算法进行参数估计。高斯MRF能够准确、简洁地表示图像的纹理，而且具有线性特性，计算方便。本文回顾了在SAR图像处理中使用的MRF模型，详细说明了其中2种在图像复原及分割中的应用。