用遗传算法确定马尔柯夫随机场的最佳参数

对现有马尔柯夫随机场（ＭＲＦ）参数的解求方法作了详细分析。针对现有方法存在的缺点,提出基于遗传算法的ＭＲＦ参数解求方法;分析讨论了求解的稳定性;并利用解的稳定性作为纹理分类的判据,作为航空影像纹理的分灰实验。实验结果表明,求解的方法是正确的．用解的稳定性作为判据的纹理分类效果,通过对比实验证明是有效的。     

图像纹理基元分类的马尔柯夫随机场方法

提出基于马尔柯夫随机场（MRF）的图像纹理基元分类新方法。利用MRF里中心像元特征值与邻近像元特征值之间的约束关系,反映图像纹理基元的特征以及不同的MRF参数。根据由同一类别的图像求得的MRF参数计算出的标准差最小这一性质来进行图像纹理的分类。通过不同实验方案的对比,以及与不同分类方法的比较,证实提出的图像纹理基元分类方法具有一定的优势。     

基于马尔柯夫随机场的多波段遥感影像纹理分割研究

利用马尔柯夫随机场（MRF），对光谱矢量在二维空间的映射模式予以描述，建立了基于马尔柯夫随机场的多波段纹理模型，提出了在多波段遥感影像中吉布斯（Gibbs）分布势函数和吉布斯参数的计算方法，并提出了一种迭代修正的多波段遥感影像纹理分割方法。     

基于遗传算法的影像纹理分类

阐述了遗传算法的基本原理,提出与马尔柯夫随机场相结合的遗传算法在影像纹理分类中的应用。通过对４种纹理取样的实验,表明这种影像纹理分类方法可以提高分类的正确率。     

基于遗传算法的影像纹理分类

阐述了遗传算法的基本原理,提出了与马尔柯夫随机场相结合的遗传算法在影像纹理分类中的应用。通过对4种纹理取样的实验,表明这种影像纹理分类方法可以提高分类的正确率。     

马尔柯夫随机场的参数估计与影像纹理分类

本文提出马尔柯夫随机场参数估计的算法，通过人工纹理和从航空像片上提取的自然纹理的试验表明参数估计的算法是正确的。除此之外，本文还讨论了不受图像边界形状影响的ＭＦＲ参数估计和利用ＭＲＦ参数进行纹理分类的问题。这些研究表明ＭＲＦ参数在航空像片纹理分类中具有很好的应用前景。     

利用马尔柯夫随机场图模型的变化像斑类别判定方法

提出了一种利用马尔柯夫随机场(MRF)图模型获取变化像斑变化后类别的方法。用吉布斯(Gibbs)分布描述MRF图模型,通过计算最大后验概率获取变化像斑类别,以此类别为初始值,通过建立像斑类别空间关系概率矩阵,在初始结果基础上进一步判定变化像斑的类别。实验结果证实了该方法的可行性。     

论航空影像的纹理与描述

本文在前人研究的基础上，提出以中心像元的近邻像元，而不是近邻像元的组合，作为纹理基元，纹理基元的灰度统计规律反映出影像纹理的特征，这种特征可以用马尔柯夫随机场（ＭＲＦ）来描述，其特征参数可以作为纹理分类的依据。通过实验分析，证明本文的提法是合理的。     

一种基于马尔可夫随机场的影像纹理分类方法

针对纹理影像先估计出其马尔可夫随机场参数，后运用多元统计分析中模糊了在分析的数学方法进行定量分类，从而为解决划分上的不确定性现象找出描述方法，获得客观的分类结果。     

一种基于马尔可夫随机场的影像纹理分类方法

针对纹理影像先估计出其马尔可夫随机场参数,后运用多元统计分析中模糊聚类分析的数学方法进行定量分类,从而为解决划分上的不确定性现象找出描述方法,获得客观的分类结果。     

The decision of the optimal parameters in Markov random fields of images by genetic algorithm

This paper introduces the principle of genetic algorithm and the basic method of solving Markov random field parameters.Focusing on the shortcomings in present methods,a new method based on genetic algorithms is proposed to solve the parameters in the Markov random field.The detailed procedure is discussed.On the basis of the parameters solved by genetic algorithms,some experim ents on classification of aerial images are given.Experimental results show that the proposed method is effective and the classification results are satisfactory.     

The decision of the optimal parameters in Markov random fields of images by genetic algorithm

This paper introduces the principle of genetic algorithm and the basic method of solving Markov random field parameters. Focusing on the shortcomings in present methods, a new method based on genetic algorithms is proposed to solve the parameters in the Markov random field. The detailed procedure is discussed. On the basis of the parameters solved by genetic algorithms, some experiments on classification of aerial images are given. Experimental results show that the proposed method is effective and the classification results are satisfactory.     

纹理分类中遗传算法参数的选择

本文详细分析遗传算法（简称ＧＡ）中群体的大小、交叉率和变异率选择对纹理分类的影响,并对繁衍过程中如何拷贝（即复制）产生新群体的问题进行了研究。研究表明,应当用适应度最好的个体取代淘汰的个体,将使解的收敛速度大大提高。     

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。     

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。     

指派交叉--一种新的遗传交叉方法

在用遗传算法生成影像纹理分类的“Tuned”模板中，引用了一个新的遗传交叉方法——指派交叉，与其他的交叉方法相比，指派交叉可在相同的搜索空间中提供更好的优化组合。试验证明，指派交叉是值得推广的一种遗传交叉方法。