导读:本文包含了改进马尔可夫随机场论文开题报告文献综述及选题提纲参考文献，主要关键词:贝叶斯定理,隐马尔科夫随机场,有限高斯混合模型,双边滤波器
改进马尔可夫随机场论文文献综述
杨军,裴剑杰[1]（2018）在《一种改进的隐马尔可夫随机场遥感影像分割算法》一文中研究指出针对传统的马尔科夫随机场影像分割算法对影像噪声和像素异常值敏感,容易产生分割结果不准确以及边缘不平滑等问题,提出了一种基于有限高斯混合模型的隐马尔科夫随机场影像分割算法。首先,以期望最大化算法代替传统的K-means方法获得影像初始分割结果,并用双边滤波器对初始分割结果进行滤波处理。其次,使用有限高斯混合模型和Potts模型分别对影像特征场和标记场建模,并用期望最大化算法进行参数估计,从而获得特征场能量和标记场能量。最后,利用迭代条件模式算法进行能量函数最小化优化,获得最优分割结果。结果表明:相比于经典MRF方法和传统HMRF方法,该算法获得的分割结果更精确,并且概率兰德指数和全局一致性误差指标都优于这两种算法。(本文来源于《遥感技术与应用》期刊2018年05期）
闫利,章炼伟,赵展,夏旺[2]（2018）在《一种改进的马尔可夫随机场分割算法》一文中研究指出针对传统马尔可夫随机场没有充分考虑图像像素之间的关系导致对噪声过于敏感的问题,提出了一种改进的MRF图像分割方法。在经典MRF中加入了观察像素的邻域信息,利用拉普拉斯算子来描述MRF中似然能量的可靠性,并使用α-βswap算法获得能量最小解。采用期望最大算法对高斯混合模型进行参数估计前,进行了样本点的可靠性评判和选择,用以提高GMM的可靠性和减少EM算法解算的时间。实验证明,对于存在噪声的遥感光学影像和SAR影像,该方法较经典的马尔可夫随机场算法分割效果表现更好,解算时间也更短。(本文来源于《遥感信息》期刊2018年03期）
王雷,黄晨雪[3]（2016）在《改进的分层马尔可夫随机场彩色图像分割算法》一文中研究指出针对传统的分层马尔可夫随机场(MRF)算法难以描述彩色图像像素值分布等问题,提出一种基于RGB色彩统计分布的分层MRF分割算法。在分层MRF模型的基础上,设定了相关参数并对分割过程进行了公式推导;结合RGB色彩统计分布模型,重写了分层MRF能量函数,利用k-means算法作为预分割算法,实现了算法的无监督分割。相比传统的分层MRF分割模型,该算法充分利用了彩色图像的像素值的信息,可有效地减少颜色分布参数和计算成本,能更准确地描述各分割对象的颜色分布;且该算法不受目标和背景颜色区间分布、目标空间分布的限制,能够很好地描述不同目标和背景。通过大量实验验证了算法的有效性,其在运算速度、分割精度等方面均优于传统MRF算法和模糊C均值(FCM)算法。(本文来源于《计算机应用》期刊2016年09期）
曹扬,赵慧洁,黄四牛,李娜,张佩[4]（2014）在《基于高效置信传播的改进马尔可夫随机场高光谱数据分类算法》一文中研究指出针对马尔可夫随机场分类算法中类条件概率估计不准及全局能量最小化计算负担重的问题,提出一种基于高效置信传播的改进马尔可夫随机场高光谱数据分类算法.采用基于光谱信息的统计支持向量机方法提高类条件概率估计精度;通过马尔可夫随机场分类算法引入空间相关信息,实现光谱与空间信息的有效结合;设计一种高效置信传播优化算法,降低计算负担、提高算法精度.实验结果表明该算法平均分类精度达到95.78%,Kappa系数为93.34%,且计算时间约为标准置信传播算法的25%,因此是一种计算负担小、分类精度高且具有实用价值的高光谱数据地物分类方法.(本文来源于《模式识别与人工智能》期刊2014年03期）
倪翠,关泽群,王斌,朱素娟[5]（2011）在《对马尔可夫随机场特征级图像融合的改进》一文中研究指出提出了一种基于MAP的Markov随机场的图像融合方法。将感兴趣区特征的均值与方差作为马尔可夫随机场的概率参数,选取合适的模型,根据优化算法快速求得MAP解,完成图像初始标记过程,根据最大后验概率模型,对图像进行特征层融合。通过两组遥感图像的实验,证明MAP-MRF模型在遥感图像特征层融合中,具有较目前常用方法更好的效果。(本文来源于《计算机工程与应用》期刊2011年32期）
赵亮,李昌华,党发宁,陈登峰,徐胜君[6]（2010）在《基于马尔可夫随机场的改进Metropolis混凝土CT的图像分割方法》一文中研究指出提出一种基于马尔可夫随机场改进的Metropolis模拟退火算法.该算法中阈值α的选取优化了Metropolis算法.根据Beyes理论将图像分割问题转化为最大后验概率求取问题,并给出了参量预测算法.在实验中,将本文提出的算法与ICM、传统的Metropolis和Gibbs采样模拟退火算法进行比较.结果表明改进的Metropolis算法在图像分割效率和分割准确度上都有明显的提高.通过混凝土CT图像分割实验,改进Metropolis的应用能够较完整地反映出混凝土材料的内部结构和缺陷.(本文来源于《光子学报》期刊2010年09期）
王立红[7]（2010）在《基于改进马尔可夫随机场模型的医学图像分割算法研究》一文中研究指出医学图像分割是其他医学图像后处理(如叁维可视化、手术导航等)的基础,为了准确地分辨医学图像中的正常组织结构和异常病变,需要对医学图像进行分割,它是当前医学图像处理与分析领域的一个热点和难点。首先,本文对目前国内外研究的多种图像分割方法进行了综述,并将研究目标定位在基于马尔可夫随机场(Markov Random Field, MRF)模型的医学图像分割算法研究上,系统研究了MRF模型的基本理论及其在图像分割领域中的应用。其次,由于医学图像自身的复杂性,单纯结合一种图像信息对医学图像进行分割,传统MRF模型往往得不到较好的分割效果。在MRF模型的框架下,本文提出了一种综合图像先验信息和边界信息的混合MRF模型,构造了一种在邻域系统内能同时利用图像边界信息和灰度信息的先验能量函数,从而取得更加细腻和准确的边界分割效果。此方法对医学图像的弱边界和区域凹陷等特点,具有较高的分割可靠性。在基于混合MRF模型的分割方法的实现上,为了提高分割效率,本文又提出一种加入概率表的模拟退火(Simulated Annealing with Probability Table, SAP)算法。该算法以概率表为依据,对边界场和标号场进行更新,并成功应用到医学图像分割中。仿真实验结果和差异实验评估方法证明了所提出算法的有效性和准确性。再次,考虑到传统MRF模型和提出的混合MRF模型只在确定类上有定义,在医学图像分割中仍难以处理灰度重迭、模糊、部分容积效应等问题,将软分割理论引入到了MRF模型中,提出了一种改进的模糊马尔可夫(Fuzzy Markov Random Field, FMRF)模型。该模型以最大后验概率作为优化准则修正FMRF的隶属度,最后按照最大隶属度原则消除模糊性,得到图像的分割结果。仿真实验结果表明,该算法可以有效地分割灰度重迭、模糊区域和消除部分容积效应,分割结果更为准确。最后,对本文的研究工作进行了总结,并对未来的研究工作进行了展望。(本文来源于《东北大学》期刊2010-06-20）
叶秀芬,王兴梅,方超,张哲会[8]（2009）在《基于改进的马尔可夫随机场声纳图像分割方法研究》一文中研究指出声纳图像与普通的光学图像相比,具有对比度低、成像质量差、受噪声污染严重等特点,传统的图像分割方法难以取得高精度、鲁棒性强的分割结果。提出了一种基于改进的马尔可夫随机场(MRF)声纳图像分割方法。即对于MRF模型参数的建立,提出了新的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MRF 3类分割中,得到最终精确的3类分割结果。通过对人造模拟声纳图像以及真实声纳图像的分割实验,验证了本文提出的分割方法具有较高的分割精度和适应性。该方法考虑了声纳图像中像素间的空间相关性,因而提高了其最终分割性能。(本文来源于《兵工学报》期刊2009年08期）
赵磊[9]（2009）在《基于改进型马尔可夫随机场的SAR图像分割新方法》一文中研究指出本文研究了基于改进型马尔可夫随机场(MRF)模型的合成孔径雷达(SAR)图像分割新方法。MRF在SAR图像分割中有着广泛的应用,而SAR图像分割是SAR图像后处理的重要环节,因而对后续SAR图像识别的研究具有一定的实际意义。通过在传统的MRF的势能函数中引入图像邻域中各个像素的强度信息以及像素之间的距离信息,把特征场的强度信息和标记场的距离信息有效地结合,使得新的势能函数充分的利用SAR图像中空间上下文信息,从而得到了更好的分割效果。同时又引入了边缘惩罚项,使得边缘定位效果好,分割图像更加精确。因此本文给出了融合边缘信息的MRF的SAR图像分割新算法。实验结果表明,本文给出的方法在误分率以及边缘定位上较传统上使用条件迭代(ICM)以及模拟退火(SA)优化方法的MRF分割更具优势。将Gaussian-Hermite矩的不同阶矩作为SAR图像特征,利用自动获取阈值的方法进行初始化。然后,引入一个基于两成分权重参数的能量函数,有效地达到分割时区域标签成分和特征建模成分间的恰当平衡,利用最大后验概率(MAP)得到最终的分割结果。本文又提出了一种Gaussian-Hermite矩融合MRF的SAR图像无监督分割新方法。实验结果表明,本文方法不仅有效地抑制了斑点噪声,而且极大地减少了误分率,提高了分割精度。(本文来源于《西安电子科技大学》期刊2009-01-01）
卢晓东,周凤岐[10]（2008）在《改进模糊马尔可夫随机场的SAR图像分割》一文中研究指出模糊马尔可夫随机场利用模糊隶属度函数解决了马尔可夫随机场过于依赖灰度值的弊端,然而在模糊马尔可夫随机场的分割中采用的是硬性基团和边缘判断准则,模糊分类使得这些判断条件更加难以满足,从而图像分割中容易产生边缘分割错误的现象。改进模糊马尔可夫随机场是在分段模糊马尔可夫随机场中引入模糊意义的后验概率公式及基团和边缘类型"模糊相似性"概念,通过对不同基团和边缘类型的模糊相似性描述与判断,使得图像分割对于边缘的判断和噪声的抑制具有更好的效果。仿真实验表明改进模糊马尔可夫随机场对于边缘特别模糊的合成孔径雷达图像(SAR)具有较好的分割效果。(本文来源于《宇航学报》期刊2008年05期）
改进马尔可夫随机场论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对传统马尔可夫随机场没有充分考虑图像像素之间的关系导致对噪声过于敏感的问题,提出了一种改进的MRF图像分割方法。在经典MRF中加入了观察像素的邻域信息,利用拉普拉斯算子来描述MRF中似然能量的可靠性,并使用α-βswap算法获得能量最小解。采用期望最大算法对高斯混合模型进行参数估计前,进行了样本点的可靠性评判和选择,用以提高GMM的可靠性和减少EM算法解算的时间。实验证明,对于存在噪声的遥感光学影像和SAR影像,该方法较经典的马尔可夫随机场算法分割效果表现更好,解算时间也更短。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
改进马尔可夫随机场论文参考文献
[1].杨军,裴剑杰.一种改进的隐马尔可夫随机场遥感影像分割算法[J].遥感技术与应用.2018
[2].闫利,章炼伟,赵展,夏旺.一种改进的马尔可夫随机场分割算法[J].遥感信息.2018
[3].王雷,黄晨雪.改进的分层马尔可夫随机场彩色图像分割算法[J].计算机应用.2016
[4].曹扬,赵慧洁,黄四牛,李娜,张佩.基于高效置信传播的改进马尔可夫随机场高光谱数据分类算法[J].模式识别与人工智能.2014
[5].倪翠,关泽群,王斌,朱素娟.对马尔可夫随机场特征级图像融合的改进[J].计算机工程与应用.2011
[6].赵亮,李昌华,党发宁,陈登峰,徐胜君.基于马尔可夫随机场的改进Metropolis混凝土CT的图像分割方法[J].光子学报.2010
[7].王立红.基于改进马尔可夫随机场模型的医学图像分割算法研究[D].东北大学.2010
[8].叶秀芬,王兴梅,方超,张哲会.基于改进的马尔可夫随机场声纳图像分割方法研究[J].兵工学报.2009
[9].赵磊.基于改进型马尔可夫随机场的SAR图像分割新方法[D].西安电子科技大学.2009
[10].卢晓东,周凤岐.改进模糊马尔可夫随机场的SAR图像分割[J].宇航学报.2008