一种分层马尔可夫图像模型及其推导算法

被引：19

作者：

汪西莉

刘芳

焦李成

机构：

[1] 西安电子科技大学雷达信号处理国家重点实验室

[2] 西安电子科技大学计算机学院

来源：

软件学报 | 2003年 / 09期

关键词：

离散分层马尔可夫随机场; 半树模型; 非迭代算法; 迭代算法; 最大后验边缘概率;

D O I：

10.13328/j.cnki.jos.2003.09.008

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

离散分层马尔可夫随机场(MRF)模型由于层间具有了因果性,因而其非迭代的推导算法比非因果的马尔可夫随机场模型的迭代算法复杂度低得多,结果更精确.针对图像分割问题中观测数据有限的情况,提出了一种新的基于离散分层MRF的半树模型,推导出了它的最大后验边缘概率(MPM)算法.半树模型不仅继承了一般分层模型快速、误分类少的优点,还避免了计算中遇到的数值下溢问题,减轻了分层模型带来的块现象,尤其适合大幅面图像的处理.

引用

页码：1558 / 1563

页数：6

共 7 条

[1]

A multiscale random field model for Bayesian image segmentation. Bouman C A,Shapiro M. IEEE Transactions on Image Processing . 1994

[2]

Stochastic relaxation,gibbs distributions,andthe bayesian restoration of images. Geman S,Geman D. IEEE Transactions on PatternAnalysis and Machine Intelligence . 1984

[3]

Wavelet -based statistical signal processing using hidden Markov models. Crouse M S,Nowak R D,Baraniuk R G. IEEE Transactions on Signal Processing . 1998

[4]

Discrete Markov image modeling and inference on the quadtree. Laferte J-M,Perez P,Heitz F. IEEE Transactions on Image Processing . 2000

[5]

Efficient multiscale regularization with applications to the computation of optical flow. LuettgenMR,KarlWC,WillskyAS. IEEE Transactions onImageProcessing . 1994

[6]

MultiresolutionGauss-Markov random field models for texture segmentation. KrishnamachariS,ChellapaR. IEEE Transactions onImageProcessing . 1997

[7]

MarkovRandomFields andApplication. ChellappaR,JainA. . 1991

← 1 →