基于MRF参数的纹理识别的线性规划法

介绍了基于MRF参数的线性规划法纹理识别的原理和单纯形算法。通过对7种从航空像片上采集的典型纹理的分类实验表明,平均正确识别率为0.94,平均正确拒绝率为0.92。     

结合特征场和标号场MRF的区域化纹理图像分割

为了实现对纹理图像的分割,需利用建模像素间相互作用关系,因此本文利用在标号场和特征场中分别建模邻域多边形和邻域像素之间的作用关系,并提出一种基于马尔科夫随机场(Markov Random Field,MRF)的区域化纹理图像分割方法。即利用Voronoi划分技术,将图像划分为若干个多边形;在标号场上利用Gibbs分布建模相邻多边形标号间的相互作用,在特征场上利用高斯分布建模多边形内邻域像素间光谱测度的相关性;结合贝叶斯定理建立分割模型;通过最大期望值(Expectation Maximization,EM)算法来估计模型参数,进而获得最优分割结果。本文分别对合成纹理图像、自然纹理图像和遥感图像进行分割实验,并对分割结果进行定性和定量评价。通过计算混淆矩阵得出Kappa值为0.97,满足了优秀分类器的标准。本文提出的算法具有很强的抗噪和描述复杂光谱测度的能力,可行性好,准确性高。     

基于高斯马尔可夫随机场混合模型的纹理图像分割

针对以高斯马尔可夫随机场中的邻域像素互作用参数为特征、以高斯混合模型为分类器的二步纹理图像分割方法,提出一个两者相互结合的一步模型———高斯马尔可夫随机场混合模型,并给出其EM算法的迭代计算公式。利用该模型进行纹理图像的分割实验,发现该算法在纹理图像分割的精度上比前者有较大程度的提高。     

结合双树复小波纹理特征和MRF模型的遥感图像分割

针对经典的小波纹理不能准确地表达影像纹理特征的问题,以及影像分割结果缺少对像元空间相关性和分布关系的考虑。本文提出了结合双树复小波(DT-CWT)纹理和马尔可夫随机场(MRF)模型的高分辨率遥感影像分割方法。首先,通过双树复小波变换提取影像纹理特征,联合光谱特征形成表达影像信息的混合特征向量;然后,将混合特征向量高斯归一化处理,并用K-means聚类的方法对特征空间中的混合特征向量聚类得到初始分割图;最后,借助马尔可夫随机场模型在初始分割结果中引入上下文信息,基于贝叶斯最大后验概率准则得到最终的分割结果。本文通过双树复小波纹理提高了特征表达的准确度,同时使用马尔可夫随机场模型减弱了分割结果中同质区域的“椒盐噪声”,从而进一步提高了高分辨率遥感影像分割的精度。     

基于非规则无参数MRF模型的遥感影像像斑空间关系分析方法研究

针对遥感影像像斑特点和单像斑分析的不足,提出一种非规则马尔可夫随机场模型,将空间关系特征应用于遥感影像像斑的解译.该方法将基于邻接关系定义的随机场与BP神经元网络相结合,通过建立无参数邻域势函数,采用基于类别相邻规律的迭代统计方法,避免了传统吉布斯参数的复杂估计过程,实现了像斑单点势能和邻域势能计算.试验证明,该方法能有效实现像斑自身特征和邻域特征共同参与像斑属性判断,显著提高遥感影像像斑分析效果.     

基于间断自适应MRF的相位解缠算法

合成孔径干涉雷达（InSAR）技术已被广泛应用于地面高程信息的获取。相位解缠作为其关键步骤直接关系到地表高程的提取精度。然而,相位解缠受相位连续性假设的限制无法识别间断相位,影响在陡峭地形区域的高程反演精度。针对上述问题,本文提出了一种基于间断自适应马尔可夫随机场模型（DA-MRF）的相位解缠算法处理间断相位。首先构建DA-MRF模型的能量函数能够自适应地在连续相位处保持像素连接,同时在间断相位处阻断像素连接;然后再利用图割算法优化能量函数,完成相位解缠。仿真和实测数据试验证明,本文方法与常用的相位解缠算法相比,具有更强的间断相位保持能力,更适用于地形变化剧烈场景中的地形重建。     

基于MRF随机场和广义混合模型的遥感图像分级聚类

有限混合模型FM的分级聚类已广泛应用于不同领域,然而,它的计算复杂度与观测数据的平方成正比,因此,在海量数据方面的应用就受到了限制。另一方面,多光谱图像数据中同时包含有空间和光谱两类信息,但大多数基于像素的多光谱图像聚类方法,仅使用了其频谱信息而忽视了空间信息。本文提出了一种新的基于广义有限混合模型GFM的分级聚类方法,该算法把MRF随机场和GFM模型结合在一起,分类数可以通过PLIC准则自动确定。算法在执行过程中,采用K均值聚类方式获得过分类图像,分级聚类从过分类图像开始,代替原来从单点类开始的方式,这样可以方便获取GFM模型成分密度的初始参数。最后,采用由Gibbs采样器生成的仿真测试图对算法的精度进行了定量评价,通过与K均值聚类和FM聚类的比较说明了本文算法的优越性,同时用荷兰Flevoland农业地区的极化SAR图像验证了本文算法的有效性。     

基于MRF参数的纹理识别的线性规划法

介绍了基于ＭＲＦ参数的线性规划法纹理识别的原理和单纯形算法，通过对７种人航空像片上采集的典型纹理的分类实验表明，平均正确识别率为０．９４，平均正确拒绝率为０．９２。     

一种改进的变权重MRF遥感图像变化检测方法

基于马尔科夫随机场(Markov Random Field,MRF)模型下的遥感图像变化检测因固定组合能量函数导致的边缘分割模糊问题,提出了一种改进的变权重MRF遥感图像变化检测方法。该方法首先通过模糊C均值(Fuzzy C-means,FCM)算法对差值图像进行聚类分割,并依此分割结果作为变权重MRF的初始分割条件进行最终的分割;最后对分割结果进行掩膜处理,得到最终的变化检测结果。采用真实遥感影像进行对比实验,结果表明所提方法变化检测精度更高,边缘检测更加平滑,区域一致性更好。     

一种基于退化模型的高分辨率SAR去噪算法

为了保持高分辨率合成孔径雷达（SAR）图像中的纹理结构，提出了一种基于高斯．马尔可夫模型（Gauss-Markov Model）的方法来抑制SAR图像的斑点噪声。通过引入贝叶斯分析框架，建立Markov随机场的退化图像恢复模型，从而将图像的恢复问题转化为求解最大后验概率（MAP）问题，并直接从噪声图像中估计随机场模型参数进行有效的噪声抑制。实验结果表明，对所研究的高分辨SAR图像，基于退化模型的去噪算法（RMBD）不论是在噪声的去除上还是在结构信息等细节的保持上均不同程度地优于其他常用斑点去噪方法。     

基于MRF的航空影像理解的知识获取

讨论了基于ＭＲＦ影像理解的３种知识－－同类影像的距离最短，近邻像元个别特征参数的显性和影像的方向性在航空影像理解中如何获取和应用。通过航空影像试验，表明影像理解的正确率大大提高。     

结合MRF与ν-SVM的SAR海冰图像分类

结合支持向量机SVM和马尔可夫随机场MRF在图像分类领域的优点,提出MRF-ν-SVC分类系统。与以往针对像素的分类不同,本系统在区域水平实现分类。首先通过双阈值准则判别区域间边缘的强弱,然后针对模糊边缘区域将基于MRF的空间语境模型改进为边缘语境模型,修正SVM原始问题中的偏差因子,从而优化最优分类超平面。实验表明,本文算法可有效提高分类精度,增强对斑点噪声的抑制能力,更好地分类特征相似的区域。     

带有区域分裂自适应细化过程的SAR海冰图像分割

受海冰自身特性、成像系统特性和环境因素的影响,合成孔径雷达SAR海冰图像具有非平稳、尺度依赖的空间结构,现有的单马尔可夫随机场MRF模型分割方法只能较好地适应非平稳性,对海冰场景的多尺度结构考虑仍然是全局的。为此,本文提出了一种区域分裂过程与二叉树分层结构自适应更新相结合的单MRF图像分割方法。首先利用单MRF模型的全局迭代权值完成初始区域合并,同时以二叉树形式保护合并过程的记录。所设计的分层合并算法可保证二叉树结构的节点数与场景中的对象尺度具有正相关性。随后的细化分裂并不产生新的区域,只是返回到初始配置。依据场景中不同区域对象的尺度,自适应地调整空间语境模型中的尺度权值,实现区域更新。实验表明,该方法有效提高了带有多尺度结构SAR海冰场景的分割精度。     

一种基于马尔科夫随机场模型的彩色纹理图像分割

提出了一种基于Gabor滤波和马尔科夫随机场的彩色纹理特征图像的分割算法。首先对色彩和纹理特征进行了分析,将RGB色彩空间非线性变换到CIE-LUV空间,构造颜色的特征向量;然后对原始彩色图像进行Gabor滤波和高斯平滑处理,得到恰当表示原图像的灰度纹理图像;再对原图像建立MRF分割模型,结合色彩和纹理信息,运用贝叶斯理论和迭代优化算法估计最大后验概率(MAP)。实验表明,本文方法可以有效地实现图像分割。     

基于高斯过程的高分辨率遥感图像变化检测

本文首先通过理论分析,探讨了高斯过程分类器在高分辨率遥感图像变化检测应用中的优势与不足,并针对高斯过程分类器的不足给出了相应的解决方法;其次,提出了一种基于空间上下文相关的高斯过程变化检测方法;最后,通过多个高分辨率遥感实验数据集上的实验设计与分析,验证了高斯过程分类器在高分辨率遥感图像变化检测中的应用能力,并证明了本文提出的解决方法的有效性.     

基于可变形状参数Gamma分布的模糊聚类多视SAR图像分割

针对传统模糊聚类分割算法无法克服合成孔径雷达(synthetic aperture radar, SAR)图像中固有的斑点噪声问题, 提出了一种利用可变形状参数Gamma分布和邻域相关性的模糊聚类分割算法。可变形状参数Gamma分布用于建模多视SAR强度图像的斑点噪声, 并以其负对数作为特征场中像素与聚类间强度的相似性测度模型; 通过马尔可夫随机场(Markov random field, MRF)建立标号场中邻域像素的类属相关性模型; 在模糊聚类框架下, 以上述模型为基础构建模糊目标函数; 在目标函数最小化准则下, 求解最优结果。实验表明, 可变形状参数Gamma分布能够更加准确地拟合同质区域内像素强度的统计直方图。为有效求解包涵在Gamma函数内的形状参数, 采用牛顿迭代算法估计其数值解。对合成和真实多视SAR图像分别进行分割实验, 定性、定量分析的结果验证了本文算法的有效性。     

基于MRF的航空影像理解的知识获取

讨论了基于MRF影像理解的3种知识——同类影像的距离最短、近邻像元个别特征参数的显著性和影像的方向性在航空影像理解中如何获取和应用。通过航空影像试验,表明影像理解的正确率大大提高。     

基于纹理特征的图像恢复

在机器视觉和图像处理领域中,图像去噪是一个极其重要的问题,但在消除噪声的同时也丢失了图像中的纹理边缘信息。针对这一缺点,分析了图像去噪的难点,以UINTA(unsupervised,information-theoretic,adaptive filtering)方法为基础,对其作了改进,以信号能量为准则,分别从时域和频域的角度提出了一种纹理特征检测算子,利用该算子对滤除的残余图像重新识别,提取出被误判的纹理细节信息,然后把它补偿到滤波后的图像中,获得最终的去噪图像。实验结果表明,该方法在保留图像纹理特征的同时,有效地去除了图像中的噪声信息,提高了图像的信噪比,降低了均方误差,显著改善了图像的视觉效果,具有很强的实用性。     

基于地形随机场模型的遥感图像几何纠正

从地形平稳随机场模型出发,应用空间统计学中的Kriging插值算法,提出在多项式纠正基础上进行误差改正的图像精纠正方法,并进行相应的实验验证。多项式纠正和基于共线方程的几何成像模型纠正是最常用的两类纠正方法,但多项式纠正无法克服由于地形起伏所引起的投影差。提出的方法和流程,不仅能克服多项式模型中的弊端,而且不额外增加控制点选择和计算的负担,可以作为多项式纠正流程中的求精。     

基于MPM准则的无监督SAR图像分割

提出了一种基于MPM(maximization of the posterior marginals)准则的SAR图像无监督分割方法,并给出了对模拟和真实SAR图像的分割结果。