导读:本文包含了马尔科夫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:马尔科夫随机场(MRF),最大后验概率(MAP),图像滤波,图像分割
马尔科夫场论文文献综述
杨宇航[1]（2019）在《基于马尔科夫场的海底声呐图像滤波与分割》一文中研究指出声呐技术对于海底资源的开采愈加重要,声呐图像处理作为声呐技术领域的组成部分,被更多的科研人员所关注。马尔科夫随机场(MRF)和最大后验概率(MAP)的结合,在图像处理领域广泛应用。本文将MAP-MRF模型引入到海底声呐图像(以下内容中简称图像)处理领域中,此类型的图像可以分为叁个区域,分别是目标亮区、暗区和海底混响区。并且在目标亮区、暗区中存在着散斑噪声,这对图像的后续处理会产生很大影响。首先,本文使用自适应耦合系数的MAP-MRF模型并在ICM迭代算法中实现,对图像进行去噪处理。此改进方法既有效抑制了散斑噪声,又兼顾了图像的边缘保持。由于ICM迭代算法的收敛速度快容易陷入局部解,本文使用最大伪似然估计设定图像的初始标签类。对实验结果进行比较分析,将本文两种不同耦合系数的滤波算法分别与中值滤波、维纳滤波作对比,证明本文滤波算法对图像去噪的有效性。其次,本文使用改进的MAP-MRF模型并在ICM迭代算法中实现,对图像进行分割处理。对MAP-MRF模型的改进点是:将中心像素与邻域像素间的灰度关系引入到MRF模型的势函数中,此改进方法解决了马尔科夫场图像分割边缘保持效果不够好的问题。在分割实验的对比及分析中,将本文改进的分割算法和未改进的分割算法,分别与Otsu双阈值法、最大熵阈值法和FCM聚类法作比较,证明改进的MAP-MRF模型对图像分割的有效性。(本文来源于《内蒙古大学》期刊2019-04-08）
谢创[2]（2017）在《基于小波域叁重马尔科夫场的SAR图像变化检测》一文中研究指出合成孔径雷达(SAR)对大气以及光照强度不敏感,能够全天时、全天候对目标进行监测。随着SAR成像技术的迅速发展,不同分辨率的对地观测数据极大丰富,为遥感理论研究和实践应用提供重要的数据支持。SAR图像变化检测是SAR图像应用中一个重要的分支,被广泛地应用于军事与民用领域。由于SAR的相干成像机制,SAR图像中不可避免地会引入相干斑噪声,这使得变化检测结果产生误差。因此,如何抑制SAR图像中相干斑噪声的干扰一直是SAR图像变化检测中亟待解决的难题。针对相干斑噪声的干扰,一些学者提出基于马尔科夫随机场(MRF)的变化检测算法,MRF模型能够对图像的空间上下文信息进行建模,从而大大提高了检测的精度。由于MRF模型会假定图像是匀质的,因此不适合于非平稳图像。叁重马尔科夫随机场(TMF)引入辅助场U描述图像的非平稳特性,从而可以有效地对非平稳图像建模。传统的TMF模型采用简单的4-邻域系统,当相干斑噪声比较强时不能准确界定目标的边缘。针对于此,本文介绍一种基于TMF的SAR图像变化检测改进算法,本算法将4-邻域系统扩展,从而可以更好地利用空间上下文信息。在此基础上,本文提出一种基于小波域叁重马尔科夫场的SAR图像变化检测算法,本算法首先对差异图像进行四层平稳小波变换,进而得到不同尺度下的低频分量,其中低尺度下的低频分量保留较好的边缘信息,高尺度下的低频分量中相干斑噪声少;然后对每一个低频分量都使用基于TMF的SAR图像变化检测改进算法求变化图像;最后将四个不同尺度下的变化图像融合得到最终的变化检测结果图像。本算法的优势在于降低相干斑噪声干扰的同时提升对变化区域定位的准确度。本文采用实测SAR图像数据对所提算法进行实验,通过对实验结果的详细分析来验证本文所提算法的有效性。(本文来源于《西安电子科技大学》期刊2017-06-01）
王丹[3]（2014）在《基于叁重马尔科夫场的无监督SAR图像变化检测》一文中研究指出变化检测就是对同一地区不同时间获得的图像进行处理,以确定该区域在此时间段内所发生的变化。由于合成孔径雷达(Synthetic Aperture Radar,SAR)对于光照和大气条件不敏感,可以全天时、全天候对目标进行监测,所以基于SAR图像的变化检测在农林勘探、环境监测、灾害评估,资源利用等领域得到了广泛的应用。随着SAR成像技术的发展,变化检测在SAR图像应用研究中的地位越来越重要。但是,由于SAR本身成像特性的限制,在SAR图像中不可避免的存在着相干斑噪声,如何抑制斑点噪声并准确地检测出变化区域一直是SAR图像变化检测研究中的难点和重点所在。传统的变化检测算法一般是首先求取不同时相两幅图像的差异图像,然后将此差异图像作为观测数据,采用阈值法进行处理。这种方法仅仅依赖于差异图像中单个像素的灰度信息,由于SAR图像中斑点噪声的存在,使得检测存在较大的检测误差。马尔科夫随机场(Markov Random Field,MRF)算法可以充分的利用相邻像素之间的空间上下文信息,大大的提高了检测的精度,因此被广泛的应用于变化检测当中。MRF模型在建模时,认为整幅图像是同质均匀的,这一假设使得计算变得简单化。但是,对于非平稳图像而言,这一假设不再成立而模型其对于不同的纹理区域仍然给予相同的参数,这是不合理的,因此对于具有多种同质性的图像,MRF算法的检测效果较差。而叁重马尔科夫随机场(Triplet Markov Field,TMF)模型很好的弥补了这一缺陷,在引入一个辅助场U的情况下可以更好地对非平稳图像进行建模。在TMF模型中,利用U场对图像的同质性进行区分,对于不同的同质性,分别进行处理。U场的定义是叁重马尔科夫场建模的一个重点和难点,如何利用U场更有效的描述图像的非平稳特性同样是我们研究的重点所在。此外,叁重马尔科夫场建模时常用的一阶邻域系统对于噪声较大的SAR图像而言,并不能很好的描述SAR图像的非平稳的特性,有必要采用一个更大的邻域,以便于更好的利用图像中的空间上下文信息。本文提出了一种改进的基于叁重马尔科夫随机场模型的无监督的SAR图像变化检测算法。叁重马尔科夫随机场模型可以很好的描述SAR图像的非平稳特性,该算法即是在TMF模型的基础上,对邻域系统进行扩展,以更好的抑制斑点噪声。本文所提出的算法首先对U场进行了重新的定义以更好的描述差异图像的非平稳特性。然后重新构造了(X,U)先验势能函数,并选用一个具有更多信息的扩展邻域,以便更好的利用先验信息。在真实SAR图像上的实验结果验证了所提算法的有效性。(本文来源于《西安电子科技大学》期刊2014-12-01）
汪宏兵[4]（2014）在《基于马尔科夫场灰度图像分割的研究》一文中研究指出随着电子设备的广泛应用、社交网络普及、远程医疗的发展,每天产生大量的图像。因此人们需要更加准确和智能的图像处理技术。图像分割是图像处理的第一步,它的好坏直接影响了图像分析和图像理解的好坏。迄今为止,有各种各样的图像分割技术,如阈值法、边界检测、区域型、基于数学形态的分割技术、基于模式识别的分割技术、数学统计理论方法的图像分割。近年来,基于数学统计理论的图像分割得到了大量的应用。其目的是以统计的方式从数据中发现与提取信息。统计分析的本质就是对大量数据图像进行抽象化并寻找出其本质的内容。当前基于数学统计理论的图像分割主要包括K-Means、C-Means及马尔科夫场(Markov Random Field)等图像分割技术。马尔科夫场模型由于其具有有效刻画图像中的空间信息的特点,得到了广泛的应用。本文主要基于马尔科夫场模型,首先将马尔科夫随机场的空间相关性引入到模糊C-Means算法中,用以提高在图像分割前分类类别已知的图像分割问题的分割效果。同时,现实生活中存在一些比较难以在分割之前确定分割数量的图像,一旦人眼观测失误将导致分割失败,此时模糊C-Means算法以及改进版的算法都将无法得到准确的分割结果。本文介绍了解决分类类别确定问题的HCF算法存在的过度全局化问题,提出了改进的局部HCF算法,解决了HCF的过全局化问题,同时增加了并行性。本文的主要工作如下：第一,介绍了图像分割国内外的研究现状。简要介绍了阈值型、边界检测型、基于过渡区型、区域性、基于数学形态的分割技术、基于模式识别技术的图像分割、基于遗传算法的图像分割及统计理论方法的图像分割的基本原理。第二,介绍了马尔科夫随机场的基本知识。主要介绍了：1.马尔科夫场中邻域以及基团的概念。2.马尔科夫场几种常用马尔科夫随机场模型。3.马尔科夫随机场参数估计。4.图像分割的最优准则。第叁,引入马尔科夫随机场模糊C-Means算法。在图像分割中,C-Means算法也得到了广泛的应用,但是算法中的隶属度以及距离的估算对于算法的效果有着很大的影响。本文基于马尔科夫随机场的空间相关性,利用马尔科夫随机场的条件概率度量了隶属度以及距离,并进行了噪声图像、纹理图像以及CT图像的对比。第四,改进了HCF算法。HCF算法有着不需要在实验前设定图像分割的数量。该算法通过直接计算出图像中的边界或非边界,通过计算闭合边界,计算出分割的数量。但是由于计算过程中可能全局过度,因此本文提出了一种局部HCF算法,该算法不仅有良好的并行性而且有很好的准确度。第五,对本文做了一个总结并提出了将来的工作。(本文来源于《安徽大学》期刊2014-04-01）
汪宏兵[5]（2014）在《基于马尔科夫场网络验证码识别图像分割》一文中研究指出验证码图片是国内网站区别人机不同的重要手段。验证码的设计和使用安全性和互联网安全密切相关。为了减少网络验证码的识别的不确定性和模糊性对图像分割的影响,就需要充分利用图像的上下文信息。马尔科夫随机场[1,2]正是一种充分利用了上下文信息[3,4]的随机场模型。利用这一理论,实验结果表明,使用中的验证码具有良好的分割效果。(本文来源于《电脑知识与技术》期刊2014年08期）
刘琮,刘周,景佳[6]（2010）在《基于自适应权重马尔科夫场的彩色纹理分割》一文中研究指出提出基于自适应权重马尔科夫场的无监督分割模型。利用HSV空间上的彩色信息和Gabor纹理特征组成MRF数据特征分量,通过马尔科夫最大后验概率框架和能量函数最小化算法将像素分类获得分割结果。在自然纹理与合成纹理上的实验证明了此算法的有效性并探讨了4种能量最小化方法的质量。(本文来源于《信息技术》期刊2010年04期）
马尔科夫场论文开题报告
（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：
合成孔径雷达(SAR)对大气以及光照强度不敏感,能够全天时、全天候对目标进行监测。随着SAR成像技术的迅速发展,不同分辨率的对地观测数据极大丰富,为遥感理论研究和实践应用提供重要的数据支持。SAR图像变化检测是SAR图像应用中一个重要的分支,被广泛地应用于军事与民用领域。由于SAR的相干成像机制,SAR图像中不可避免地会引入相干斑噪声,这使得变化检测结果产生误差。因此,如何抑制SAR图像中相干斑噪声的干扰一直是SAR图像变化检测中亟待解决的难题。针对相干斑噪声的干扰,一些学者提出基于马尔科夫随机场(MRF)的变化检测算法,MRF模型能够对图像的空间上下文信息进行建模,从而大大提高了检测的精度。由于MRF模型会假定图像是匀质的,因此不适合于非平稳图像。叁重马尔科夫随机场(TMF)引入辅助场U描述图像的非平稳特性,从而可以有效地对非平稳图像建模。传统的TMF模型采用简单的4-邻域系统,当相干斑噪声比较强时不能准确界定目标的边缘。针对于此,本文介绍一种基于TMF的SAR图像变化检测改进算法,本算法将4-邻域系统扩展,从而可以更好地利用空间上下文信息。在此基础上,本文提出一种基于小波域叁重马尔科夫场的SAR图像变化检测算法,本算法首先对差异图像进行四层平稳小波变换,进而得到不同尺度下的低频分量,其中低尺度下的低频分量保留较好的边缘信息,高尺度下的低频分量中相干斑噪声少;然后对每一个低频分量都使用基于TMF的SAR图像变化检测改进算法求变化图像;最后将四个不同尺度下的变化图像融合得到最终的变化检测结果图像。本算法的优势在于降低相干斑噪声干扰的同时提升对变化区域定位的准确度。本文采用实测SAR图像数据对所提算法进行实验,通过对实验结果的详细分析来验证本文所提算法的有效性。
（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。
马尔科夫场论文参考文献
[1].杨宇航.基于马尔科夫场的海底声呐图像滤波与分割[D].内蒙古大学.2019
[2].谢创.基于小波域叁重马尔科夫场的SAR图像变化检测[D].西安电子科技大学.2017
[3].王丹.基于叁重马尔科夫场的无监督SAR图像变化检测[D].西安电子科技大学.2014
[4].汪宏兵.基于马尔科夫场灰度图像分割的研究[D].安徽大学.2014
[5].汪宏兵.基于马尔科夫场网络验证码识别图像分割[J].电脑知识与技术.2014
[6].刘琮,刘周,景佳.基于自适应权重马尔科夫场的彩色纹理分割[J].信息技术.2010
标签：马尔科夫随机场(MRF); 最大后验概率(MAP); 图像滤波; 图像分割;