Image segmentation using adaptive loopy belief propagation

Loopy belief propagation (LBP) algorithm over pairwise-connected Markov random fields (MRFs) has become widely used for low-level vision problems. However, Pairwise MRF is often insufficient to capture the statistics of natural images well, and LBP is still extremely slow for application on an MRF with large discrete label space. To solve these problems, the present study proposes a new segmentation algorithm based on adaptive LBP. The proposed algorithm utilizes local region information to construct a local region model, as well as a local interaction region MRF model for image segmentation. The adaptive LBP algorithm maximizes the global probability of the proposed MRF model, which employs two very important strategies, namely, “message self-convergence” and “adaptive label pruning”. Message self-convergence can improve the reliability of a pixel in choosing a label in local region, and label pruning can dismiss impossible labels for every pixel. Thus, the most reliable information messages transfer through the LBP algorithm. The experimental results show that the proposed algorithm not only obtains more accurate segmentation results but also greater speed.     

基于马尔科夫分割的单极化SAR数据洪涝水体检测方法

我国是个洪涝灾害多发的国家,每年7月、8月份洪涝灾害时常发生。因此,实现洪涝受灾区域的水体快速检测对灾害救援和评估具有重要的意义。高分3号SAR卫星数据采用主动式对地观测技术,全天时、全天候成像的特点在洪涝减灾应用中具有明显的优势。以湖南省洪涝灾害区域快速检测为目的,该文提出基于高分3号单极化SAR数据的洪涝区域水体快速检测方法,包括SAR预处理,顾及SAR分布特性且保边缘的马尔科夫模型洪涝水体提取,基于SAR几何构象模型的阴影虚警干扰去除等步骤,并利用人工检测结果进行相对精度评价。测试结果表明,所提方法可以实现洪涝受灾区域的快速、精确提取。

     

基于上下文和隐类属的小波域马尔可夫随机场SAR图像分割

该文针对合成孔径雷达(Synthetic Aperture Radar, SAR)图像含有大量的乘性斑点噪声的特点,提出了一种小波域隐类属的马尔可夫随机场(Markov Random Field, MRF)图像分割算法来抑制噪声的影响。考虑到小波的聚集性和持续性,该算法重新构造了待分图像小波域模型以类属为隐状态的混合长拖尾模型,将隐类属的马尔可夫随机场推广到小波域上,并用改进的上下文模型估计尺度间转移概率,最后推导出了新的最大后验(Maximum A Posteriori, MAP)分割公式。仿真结果证明,该算法具有鲁棒性能够有效地抑制噪声对图像的影响,得到准确的分割结果。     

基于两方法博弈的马尔可夫随机场红外图像分割算法

电路板红外图像芯片提取是电路板红外故障检测系统中的重要环节,已成为红外图像分割领域关注的一个重点。针对红外图像的特性及传统分割算法效率和精度不足的缺陷,提出一种基于两种优化策略博弈的马尔可夫随机场红外图像分割方法。首先通过OTSU算法对图像进行初始分割;然后利用马尔可夫随机场理论建立图像分割模型;最后,通过SA、ICM优化策略间的博弈对图像进行分割,将两种优化策略视为博弈的两个局中人,通过寻找博弈的纳什均衡点来实现分割;实验结果表明,算法能够无人工干预地准确提取电路板红外图像所有芯片发热区域,并且很好地抑制噪声,准确处理边缘信息,具有一定的实用性和鲁棒性。     

基于聚类识别的极化SAR图像分类

该文提出一种基于判别式聚类框架的非监督极化SAR图像分类算法,利用判别式监督分类技术实现非监督聚类。为实现该算法,定义了一个结合softmax回归模型和马尔科夫随机场光滑性约束的能量函数。该模型中,像素类标和分类器均为需要优化的未知变量。该算法从基于${H / {\bar \alpha }}$目标极化分解和K-Wishart极化统计分布而产生的初始化类标开始,交替迭代优化分类器和类标的能量函数,从而实现对分类器和类标的求解。真实极化SAR数据上的实验结果证明了该算法的有效性和先进性。     

基于各向异性MRF建模的多帧图像 变分超分辨率重建

 本文首先研究设计出结构自适应的各向异性数字滤波器,同时导出广义各向异性MRF(Markov Random Field)图像模型.它继承了各向异性数字滤波器的滤波性能,是对双边全变差模型以及经典 MRF模型的有效改进.随后,提出各向异性模型驱动的联合估计亚像素运动和高分辨率图像的变分超分辨率重建算法.实验结果显示,本文算法具有更优的噪声抑制和边缘保持性能.     

基于分级的MRF视频运动检测算法及其实现

在阐述马尔可夫随机场（MRF）视频运动检测算法理论的基础上，采用分级的方法，形成图像序列的时空多分辨率结构，大大优化了单一分辨率MRF算法 的初始化过程，并通过软件进行了实现，有效改进了单一分辨率算法检测的结果。该算法应用于数字视频监控系统，可明显提高检测精度，具有较好的应用前景。     

应用分层MRF/GRF模型的立体图像视差估计及分割

视差估计与分割是立体图像编码及立体视觉匹配的核心问题,本文提出一种基于分层MRF/GRF模型和交叠块匹配(HMOM)视差估计算法以及结合主动轮廓模型的视差分割提取算法.该混合视差估计方法,可得到光滑准确,且具有清晰边缘的视差场;并便于用主动轮廓模型提取感兴趣对象(OOI)的视差轮廓.与通常的变尺寸块匹配(VSBM)相比,本算法得到的视差补偿图像的峰值信噪比可提高2.5dB左右.本文得到的视差场及对应的轮廓可进一步用于立体图像编码以及视频对象分割.     

基于MRF24J40的IEEE802．15．4无线收发电路设计

采用MRF24J40构成的IEEE802.15.4无线收发器电路,为IEEE802.5.15.4MAC和PHY物理层提供硬件层,支持MiWiTM、ZigBee协议和其他协议,工作在2.405~2.48 GHz ISM频段,接收灵敏度为-91 dBm,发射输出功率为 0 dBm,发射功率控制范围为38.75 dB,电源电压范围为2.4~3.6 V,睡眠模式电流消耗为2μA。采用4线式SPI与微控制器接口,适合家居自动化、工业自动化等低数据速率传输的应用。     

基于稀疏自编码器和边缘保持的Wishart马尔科夫随机场的极化SAR图像分类

针对极化SAR图像训练样本数目较少问题以及极化SAR图像同质区域较多的特性,提出了一种新的两层分类框架,结合了稀疏自编码器和边缘保持的Wishart马尔科夫随机场对极化SAR图像进行分类.该框架包括个步骤,第一个步骤使用稀疏自编码器来获得一个初始分类;第二个步骤使用边缘保持的Wishart马尔科夫随机场对第一层的分类结果进行修正.在应用Wishart马尔科夫随机场的过程中,由稀疏自编码器分类得到的边缘得以保持,并且提出了新的分类错误纠正策略确保分类的准确性.因此,通过稀疏自编码器得到的精确分类边缘可用于不同的区域并且在应用Wishart马尔科夫的过程中得以保持.和其他分类方法相比,该方法得到较高的分类精度,证明了新方法的有效性.