导读:本文包含了马尔可夫随机场论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:马尔,可夫,图像,层析,同态,特征,视网膜。
马尔可夫随机场论文文献综述
千倩,汪丙南,向茂生,付希凯,蒋帅[1]（2019）在《基于相干系数-马尔可夫随机场的高分辨率SAR图像建筑物分割算法（英文）》一文中研究指出高分辨率合成孔径雷达(Synthetic aperture radar,SAR)图像的建筑物分割问题一直是重要的研究课题之一。由于斑点噪声和多路径效应的存在以及建筑物几何结构的影响,建筑物区域内部会产生强散射斑点,像素强度值的差异较大,给建筑物分割和提取带来了困难。针对这个问题,本文提出了一种基于相干系数-马尔科夫随机场(coherence-coefficient-based Markov random field,CCMRF)的高分辨率SAR建筑物分割算法,该方法将干涉合成孔径雷达(interferometric synthetic aperture radar,InSAR)的相干系数引入到传统马尔可夫随机场(Markov random field,MRF)的邻域能量中,使得相干信息和空间上下文信息得到更充分的利用。根据Hammersley-Clifford定理,图像分割的最大后验(Maximum a posteriori,MAP)问题被转化为最小化似然能量和邻域能量之和的问题,最后采用迭代条件模型(Iterative condition model, ICM)得到最优解。实验结果表明,该方法与传统的马尔可夫方法和K均值聚类方法相比,可以有效地对SAR建筑物进行分割并获得更准确的结果。(本文来源于《Journal of Measurement Science and Instrumentation》期刊2019年03期）
李语尧,李晓宇,陆子旭,黄为新[2]（2019）在《基于马尔可夫随机场的眼底图像血管分割研究》一文中研究指出眼底图像血管分割是医用图像分割中较为复杂的一种,在目前的研究中存在分割精度低、效率不高等问题。提出基于马尔可夫随机场的眼底图像血管分割算法,根据眼底图像的特点构建马尔可夫随机场模型,提取H通道作为特征场参数,利用最大后验准则完成标号场更新,最终实现对视网膜血管的分割。算法通过眼底图像数据库DRIVE进行测试,结果表明:该算法平均准确度为0.954 6,平均敏感度为0.899 9,平均特异度为0.957 1,具有很好的分割效果,且运行稳定,计算方便快捷,具有鲁棒性。(本文来源于《计算机应用与软件》期刊2019年07期）
赵鹏[3]（2019）在《基于马尔可夫随机场的并行光流计算及目标检测研究》一文中研究指出光流是指叁维运动物体投影在二维平面上像素点的瞬时位移速度,不仅包含了运动物体的移动方向和位移大小信息,而且还携带目标的叁维结构信息,因此是计算机视觉和图像处理领域的热门研究课题。随着计算机技术的快速发展,光流计算已被广泛应用于军事、航天、交通和医学领域。近年来,随着光流技术研究的不断深入,各种优化策略和方法被应用到光流计算模型中,使得图像光流技术在计算精度方面得到稳定提升,但是光流计算的效率却由于计算复杂度的提高而降低。为此本文提出了一种基于马尔可夫随机场(Markov Random Field,MRF)的变分光流计算模型并采用并行置信传播算法(Belief Propagation,BP)实现,提高了计算效率。最后将光流方法和水平集算法结合设计了基于MRF光流的目标检测模型,实现了快速目标检测。本文的主要贡献有:1.针对光流的快速鲁棒计算问题,提出基于MRF的并行光流计算模型。在光流计算过程中,将经典光流模型转化为基于MRF的光流模型,在经典灰度守恒假设的基础上加入梯度守恒和非平方惩罚函数策略,克服了光流场光照变化的问题,能够很好地滤除噪声及光流异常值,提高了光流计算的准确性和鲁棒性;为了加快计算速度,采用置信传播技术来最小化MRF光流的能量函数,并且在CUDA平台上根据置信传播算法的特点设计了优化的置信传播并行算法。最后采用Middlebury数据库提供的数据集对本文算法进行实验对比分析,实验结果表明本文算法对光照变化、噪声和运动不连续的场景图像序列有较好的鲁棒性,而且计算速度也得到了很大的提高。2.为了实现快速目标检测,将主动活动轮廓线模型-水平集方法与本文提出的光流模型结合,实现了基于MRF光流的目标检测方法。首先通过光流计算得到初始的闭合轮廓曲线,通过计算图像像素点到曲线的距离,得到图像中每个像素点到初始曲线的最短有向距离(即初始化水平集函数),然后根据图像梯度、曲率等信息不断更新每个像素点的有向距离,通过提取有向距离为零的像素点,最后得到靠近目标轮廓边缘的闭合曲线。为解决由水平集算法中不断重新初始化水平集函数导致的计算耗时问题,使用GPU的CUDA加速技术进一步提高计算效率。采用真实交通道路图像序列对本文算法进行验证,实验结果表明可以较好地完成快速目标检测。(本文来源于《南昌航空大学》期刊2019-06-01）
雷扬博,黄勋,王阳阳,陈浩,黄伦[4]（2019）在《马尔可夫随机场在纸病检测中的应用研究》一文中研究指出纸病检测是造纸生产过程中重要的环节,现有的纸病检测系统一般采用阈值算法或边缘检测算法对图像进行分割。为解决阈值分割和边缘检测分割方式中存在的误分以及过度分割问题,本研究提出了基于马尔可夫(MarKov)随机场的纸病图像分割方法。通过MarKov随机场理论对纸病图像纹理进行分析得到纹理特征参数,利用纹理特征参数以及最大差值对正常背景和纸病区域进行分割。结果表明,相比于其他分割算法,基于MarKov随机场的纸病图像分割方法可有效提取出纸病图像的纹理细节和轮廓特征,提高分割的准确度。(本文来源于《中国造纸》期刊2019年05期）
金弟,尤心心,刘岳森,何东晓[5]（2019）在《结构特征强化的高效马尔可夫随机场社团发现方法》一文中研究指出社团发现是非常重要的网络数据分析任务.统计模型类社团发现方法由于具有坚实的理论基础和优越的性能,因此越来越被人们关注.然而,已有社团发现模型一般都基于有向概率图模型,作为无向概率图模型的马尔可夫随机场极少被用于社团发现领域.2018年我们提出了一个网络导向的马尔可夫随机场模型NetMRF,该模型虽具有良好的性能,但仍存在如下问题:(1)NetMRF的能量函数不够完整,缺少往往在MRF中起主导作用的单点势函数,仅采用了常被视为起辅助作用的成对势函数对社团进行描述;(2)也正因为如此,为了使成对势函数能有效建模网络中不规则的拓扑信息,NetMRF采用了复杂的叁层全连接马尔可夫随机场结构,这虽会增强其描述能力,却给推断算法带来了O(n3)级时间复杂度,n为网络节点数.本文针对上述问题对NetMRF进行改进.首先基于网络嵌入方法,结合吉布斯分布设计有效的单点势函数,解决了NetMRF能量函数不完整的缺陷;进而通过对成对势函数结构的有效稀疏化,缓解了其效率不高的问题;从而构建了一个高精度、近线性的马尔可夫随机场新模型iMRF.本文采用"最大化-加和"版本的信念传播算法对iMRF进行推断,通过最大化联合后验概率获得最优的社团配置.在两组人工网络和20个真实网络上,我们将iMRF与6个统计模型类社团发现方法(包含NetMRF)进行比较,结果显示iMRF的平均精度高于对比算法2.6%～12.9%;iMRF的平均运行速度在对比算法中也名列前茅,尤其是对于大规模网络具有更强的处理能力.(本文来源于《计算机学报》期刊2019年12期）
官金兰[6]（2019）在《基于高斯马尔可夫随机场模型的光学层析图像重建》一文中研究指出光学层析图像是一被该领域广为认可的新型成像技术,它的工作原理是利用近红外光,波长大约在650-900nm之间,照射介质。并对介质表面的测量关于透射光和散射光的光学参数从而形成图像。为了实现光学层析图像的重建在人体内的某个组织,比如胳膊和大脑等部分的表面,放置探测器,测量通过组织进红外光透射的能量。光学层析成像具有很多的优点比如敏感度很高,无创检测等。但是目前在临床医学,和其他相关领域还没有完全被广泛应用,主要是因为两个方面,第一个是成像速度慢,第二个是成像不清晰。本文主要介绍了主要介绍了基于高斯马尔可夫随机场模型的光学层析图像重建。(本文来源于《农家参谋》期刊2019年03期）
江少锋,赵鹏,杨素华,陈震,张聪炫[7]（2018）在《并行马尔可夫随机场计算变分光流方法》一文中研究指出目的基于马尔可夫随机场(MRF)的变分光流计算是一种较为鲁棒的光流计算方法,但是计算效率很低。置信传播算法(BP)是一种针对MRF较为高效的全局优化算法。本文提出一种MRF变分光流计算模型并采用并行BP方法实现,极大提高计算效率。方法提出的MRF变分光流计算模型中的数据项采用了Horn等人根据灰度守恒假设得到的光流基本约束方程,并采用非平方惩罚函数进行调整以平滑边界影响。为在CUDA平台上实现高效并行处理,本文提出了一种优化的基于置信传播的MRF并行光流计算方法。该优化方法在采用置信传播最小化MRF光流能量函数时,采用了一种4层的3维网络结构进行并行计算,每层对应MRF4邻域模型中的一个方向的信息传播,同时在每层中为每个像素分配多个线程采用并行降维法计算所要传递的信息,大大降低单线程计算负荷,大幅度提高计算效率。结果采用旋转小球图像序列进行实验,计算效率提高314倍;采用旋转小球、Yosemite山谷和Rubber Whale 3种不同图像序列,与Horn算法、Weickert算法、Hossen并行Lucas算法、GrauerGray并行MRF算法进行对比实验,本文方法得到最低的平均端点误差(AEE),分别为0. 13、0. 55和0. 34。结论本文提出了一种新的MRF光流计算模型,并在CUDA平台上实现了并行优化计算。实验结果表明,本文提出的并行计算方法在保持计算精度的同时极大提高了计算效率。本文方法对内存需求巨大,在处理高分辨率图像时,限制了采样点数,难以计算大位移。(本文来源于《中国图象图形学报》期刊2018年12期）
龙金辉[8]（2018）在《融合同态滤波与马尔可夫随机场的棉花图像分割》一文中研究指出对机器人图像处理系统中的图像进行准确分割具有重要实用价值,提出融合同态滤波与马尔可夫随机场的图像分割算法。(1)将读入的图像从RGB模式转换到HSI模式,进行同态滤波处理以凸显图像细节与目标区域;(2)将同态滤波后的RGB模式彩色图像转换成灰度图像;(3)将利用了图像区域信息的马尔可夫随机场模型以及对图像中的少量模糊和不确定点具有良好适应性的约束聚类方法相结合,对图像进行分割;(4)在分割图像的基础上通过对连通区域面积阈值的设定以获取目标区域。选取不同角度与光照采集的图像,使用本研究算法进行分割试验,并分别与OTSU算法、模糊聚类图像分割算法和马尔可夫随机场图像分割算法进行比较,结果表明,本研究算法对图像进行分割的效果更好。(本文来源于《江苏农业科学》期刊2018年20期）
杨军,裴剑杰[9]（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）
苏洁,刘帅[10]（2019）在《基于隐马尔可夫随机场的细胞分割方法》一文中研究指出为了提高细胞聚合、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。(本文来源于《哈尔滨工程大学学报》期刊2019年02期）
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：
眼底图像血管分割是医用图像分割中较为复杂的一种,在目前的研究中存在分割精度低、效率不高等问题。提出基于马尔可夫随机场的眼底图像血管分割算法,根据眼底图像的特点构建马尔可夫随机场模型,提取H通道作为特征场参数,利用最大后验准则完成标号场更新,最终实现对视网膜血管的分割。算法通过眼底图像数据库DRIVE进行测试,结果表明:该算法平均准确度为0.954 6,平均敏感度为0.899 9,平均特异度为0.957 1,具有很好的分割效果,且运行稳定,计算方便快捷,具有鲁棒性。
（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。
马尔可夫随机场论文参考文献
[1].千倩,汪丙南,向茂生,付希凯,蒋帅.基于相干系数-马尔可夫随机场的高分辨率SAR图像建筑物分割算法（英文）[J].JournalofMeasurementScienceandInstrumentation.2019
[2].李语尧,李晓宇,陆子旭,黄为新.基于马尔可夫随机场的眼底图像血管分割研究[J].计算机应用与软件.2019
[3].赵鹏.基于马尔可夫随机场的并行光流计算及目标检测研究[D].南昌航空大学.2019
[4].雷扬博,黄勋,王阳阳,陈浩,黄伦.马尔可夫随机场在纸病检测中的应用研究[J].中国造纸.2019
[5].金弟,尤心心,刘岳森,何东晓.结构特征强化的高效马尔可夫随机场社团发现方法[J].计算机学报.2019
[6].官金兰.基于高斯马尔可夫随机场模型的光学层析图像重建[J].农家参谋.2019
[7].江少锋,赵鹏,杨素华,陈震,张聪炫.并行马尔可夫随机场计算变分光流方法[J].中国图象图形学报.2018
[8].龙金辉.融合同态滤波与马尔可夫随机场的棉花图像分割[J].江苏农业科学.2018
[9].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
[10].苏洁,刘帅.基于隐马尔可夫随机场的细胞分割方法[J].哈尔滨工程大学学报.2019
论文知识图
