来源:蜘蛛抓取(WebSpider)
时间:2017-04-27 07:04
标签:
计算机网络实验报告
当前位置: >>
计算机视觉中的Makv随机场方法ro
第 2 2卷第 6 期 电 子 科 学 学 刊 J UR N AL F O O ELE CT R0 N I S C Vol 2 N 0 6 _ 2 N0 2 00 v 0 2 00年 1 月 0 1计 算 机 视 觉 中 的
M ak v随 机 场 方 法 ro一 … 撇 A I 王生 T 『 } f T ̄ 润 R ;、 实验室 长抄 4 0 7 1 1 0 3 随机场模型的分析 框架和有关 文献,评述 了用于图像分割 和复 原的分析方法 , 讨了它的发展 动向. 探 中 号 P9 囝 3 7 1一生 1引£ : 凸 : 一 / , rl / 言 对 人 类 视 觉 来 说 , 它 能 从 视 网 膜 感 知 到 的 二 维 图 像 中 获 取 场 景 中 三 维 物 体 的形 状 和 空 间 位 置 的 定 量 信 息 。让 机 器 模 仿 人 类 视 觉 的 功 能 是 计 算 机 视 觉 研 究 的 领 域 ,是 人 工 智 能 的 一 个 重 要 组 成 部 分 。研 究 计 算 机 视 觉 ,一 是 为 了 建 立 图 像 理 解 系 统 ,使 其 能 自动 提 供 实 际 图 像 的 场 景 描 述 ;二 是 为 了 进 一 步 理 解 生 物 视 觉 … 。关 于 视 觉 问 题 ,较 有 影 响 的是 马 尔 视 觉 计 算 理 论 ,它 认 为 视 觉 是 一 个 信 息 处 理 过 程 , 主 要 完 成 从 要 素 图 到 三 维 模 型 表 象 的 三 级 计 算 。 近 2 0年 来 , 关 于 计 算 机 视 觉 问 题 , 有 两 点 已 达 成 共 识 : 一 是 关 于 计 算 机 视 觉 的 确 切 定 义 J 一 它 是 光 学 成 像 问 题 的 逆 问 题 ;二 是 计 算 机 视 觉 中 要 解 决 的 问 题 具 有 共 性 一 不 适 定 性 。上 述 认 识 确 立 了 研 究 计 算 机 视 觉 的统 一 理 论框 架 :解 决 一类 具 有 不 适 定 性 的 逆 问 题 。 不 适 定 的 定 义 是 Ha a r d mad在 偏 微 分 方 程 领 域 内 给 出 的 。如 果 一 个 问 题 的 解 是 存 在 的 、 唯 一 的 、且 连 续 地 依 赖 于 初 始 数 据 , 那 么 它 是 适 定 的 。而 当 不 满 足 上 述 判 据 中 的 某 一 条 或 某 几 条 时 ,它 是 不 适 定 的 .处 理 不 适 定 问 题 要 引 入 台 适 的 先 验 约 束 ,把 它 转 换 成 适 定 的 问 题 。 视 觉 是 光 学 成 像 问 题 的 逆 问 题 ,它 面 临 着 从 图 像 重 建 表 面 这 个 逆 问 题 。成 像 过 程 中 产 生 了 三 个 方 面 的 变 化 :一 是 三 维 场 景 投 影 成 二 维 图 像 过 程 中 损 失 了 大 量 信 息 ,如 深 度 和 不 可 见 部 分 的 信 息 丢 失 ;二 是 成 像 灰 度 受 场 景 中 诸 多 因 素 的 影 响 ,包 括 光 源 、表 面 反 射 特 性 、摄 像 机 特 性 等 ;三 是 成 像 过 程 中 或 多 或 少 地 引 入 了 畸 变 和 噪 声 。这 些 根 本 因 素 导 致 了 视 觉 计 算 中 的 不 适 定 性 ,文 献 fl 早 期 视 觉 中 的不 适 定 问题 及 其 产 生 原 因作 了 论 述 . 3对 不 适 定 阿 题 的 典 型 处 理 方 法 有 :正 则 化 (euaiain 和 MRF( ro n onFed rg lrzt ) o Mak vRa d l i 1 l方 法 。正 则 化 方 法 通 过 稳 定 子 (t bl e) 束 解 空 间 ,所 获 得 的 解 是 满 足 先 验 约 束 程 度 和 与 sa i zr 约 i 观 测量 相 近 程 度 的最 佳折 衷 , 不 具 有普 适 性 : 是 对 解 空间 的 限 制 太 苛 刻 , 标 准 T k o o 但 一 如 ih n v 正 则 化 中 要 求 其 有 预 先 确 定 的 某 阶 导 数 ,以 致 在 边 缘 等 不 连 续 处 出 现 过 分 平 滑 ;二 是 基 于 变 分 法 解 E lr a r n e方 程 的 分 析 思 想 不 能 用 来 处 理 高 层 视 觉 中 的 问 题 , 因 为 无 法 引 入 高 ue-L ga g 层 处 理 ( 目标 识 别 ) 所 需 的 约 束 项 。 如 中 MRF方 法 建 立 在 MRF模 型 和 B y s估计 的 基 础 上 , MRF 模 型 提 供 了 为 内 容 相 关 ( ae 约 束 ) 建 模 的途 径 , 合 实 际 观测 图 像 , 统 计 决 策 和 估 计 理 论 中 的最 优 准 则确 定 问 题 的解 , 项 结 按 能 克 服 正 则 化 方 法 的 不 足 , 并 有 以 下 几 个 鲜 明 特 点 :一 是 它 与 正 刚 化 有 一 致 性 ,但 比 其 适 应 性 宽 。 B reo等 证 明 了 标 准 正 则 化 是 它 的 特 殊 情 形 ,当 观 测 噪 声 是 加 性 独 立 同 分 布 高 斯 噪 etr声 且 采 用平 滑 约 束 时 , MAP( x n m otr r 解 和 正 则 化 解 是 等 价 的 ;因其 包 括 了除 ma h u ap sei i o)平 精 约 束 外 的 其 它 约 束 形 式 ,适 用 于 所 有 层 次 上 的 视 觉 问 题 。二 是 它 能 较 好 地 处 理 不 连 续 问 题 ,即 在 待 估 量 的 先 验 模 型 中 引 入 线 过 程 ,在 连 续 情 况 下 对 估 计 量 作 平 滑 约 束 ,而 在 不 连 续 情况 下 不 作 任 何 约束 三 是 MRF 的 局 部 特 性 决 定 了可 采 用 局 部 、大 规 模 并 行 算 法 。四 是 它 1 9 ― 21 9 9 0 ― 1收 到 , 1 9 一 8 O 9 9 o 一 l定 稿 6期 陆 明 使 等 : 计 算 机 视 觉 中 的 b ak v 随机 场 方 法 lr o12 09提 供 了适 当 的集 成 框 架 , 可 用 于综 台 视 觉 中 各 类 模 块 的处 理 结 果 以 及 用 于 数 据 融 台 】 等 领 域 。五 是 它 为 多分 辨 率 计 算 提 供 了 基 础 . 本 文 第 2节 简 要 介 绍 了 M RF 的 基 本 概 念 ,提 出 了 基 于 b RF 模 型 分 析 视 觉 问 题 的 统 一 l 框 架 ,对 文 献 中 的 已 有 方 法 作 了 概 括 ;第 3节 结 台 图 像 分 割 和 恢 复 问 题 ,说 明 它 在 计 算 机 视 觉 中 的 分 析 方 法 和 我 们 的 有 关 工 作 ; 第 4节 是 它 的 发 展 动 向 ; 最 后 对 全 文 内 容 作 了 总 结 。 2基 本 概 念 和 分 析 框 架 按 马 尔 ( r)理 论 , 视 觉 是 一 个 信 息 处 理 过 程 ,而 信 息 处 理 方 法 学 的 基 础 是 所 处 理 信 Mar 息的 数 学 模 型 ,对 于 局 部 有 相 互 约 束 ( 上 下文 关 系 、平 滑 约 束 )的 视 觉信 息 ,用 M RF模 型 如 描 述 其 先 验 分 布 非 常恰 当 ,它 是 目前 广 泛 关 注 的 一 种 模 型 . 21 基 本 概 念 . 设 S= f lS , , 表 示 n个 位 置 (i ) 集 合 , 是 定 义 在 S∈S处 的 未 观 察 ( n b s ,2 se的 t uo ―sre) evd 随机变 量, = 扛 S∈s 表示一 个随机场, , ) 对于 S.9 如果 P(。 i8 , x , z ) 与 。 有关 ,刚 S 是 S 的一个邻点 , 是 S 的邻 点集 , q={ , ∈s 是 s的 邻域 系统 , s ) 基 团 (l u ) 包 含 若 干 位 置 的 集 合 , 它 或 者 只 含 有 一 个 元 素 , 或 者 其 中 任 一 个 都 是 其 余 的 cq e 是 i邻 点 。设 A 是 的 取 值 域 , f = { = ( 2 z能状 态的集合 。 , ): ∈A 1 i 7 z z 1 }是 所 有 可 若 对任意 S ∈S和 z∈n,有 () () ,2 P( I , ≠ Sr∈s ) P( { rr∈ 1 P x >O () x { r 、 }= xI z仉 }, ) 则称 x 是关 于 邻 域 系统 的 MR 。 F 关 于 的 Gib b s分 布 ( 称 Gib a d m ed 也 b sr n o f l)表 示 为 i1 ㈤= e uz , - () 其中 为常数 , u() x =∑ () z 是能 量函数 , c 表示 中所包含 的基 团的集台 , ( )是 基团 e 的势 函数 ,它 只依赖于 , s∈e的值, Z=∑ 一 【 , e 是 归一化 常数 . ) MRF 和 Gib b s分 布 是 一 致 的 I ,即 当且 仅 当 () P()是 关 于 1的 Gib z = z b s分 布 时 , 是 关 于 的 M RF 它 的 意 义 在 于 确 定 了 一 种 通 过 势 函 数 定 义 MRF 条 件 概 率 , 以 使 其 具 有 全 局 一 致 性 (lb l o sse c )的 方 法 ,而 用 其 它 方 法 无 法 保 证 这 种 一 致 性 . go a n i n y c t 的 条 件 概 率 可 由 势 函 数 得 到 : 设 z 表 示 一 结 构 , 它 在 点 S处 为 z , 在 其 余 处 与 z 一 致 , 有 P( , ) 1e ÷∑ r∈ : s ( 其 中 = ∑ ∈ }∑…e ^e c 2 2 M RF 分 析 框 架 . 22 1构 造 M RF 先 验 模 型 . 是 局部 归一 化 函数. 它 包 含 两 个 步 骤 : () 定 邻 域 和 对 应 的 基 团 :对 规 则 位 置 a 确集 ( 点集) .点 ( 的邻域 为 仇.= ( ,) 0<( +(一J i ) , ( 1: k― ) 1 ) 一c ),由 c决定邻域 结构 的 大 小 和 相 应 的 基 团 ; 对 不 规 则 位 置 集 , 根 据 Dea n y 三 角 形 ( V rn i 边 形 )确 定 任 lu a 或 oo o 多 位 置 的 邻 域 ,它 们 有 不 同 的 形 状 和 尺 寸 .按 包 含 的 位 置 数 划 分 邻 域 类 型 ;在 图 像 理 解 和 目 标 识 别 等 问 题 中 ,常 借 助 图 论 (rp h oy ga ht e r )的 方 法 构 造 Ma k v 图 I . 由 它 表 示 处 理 这 些 ro s ]问题 时 所 需 的 上 下文 关 系 ( 束 ),确 定 邻 域 结 构 及 基 团 ()选 择 好 基 团后 ,再 确 定 其 势 约 b函数 。 电 子科学学 刊 2 2卷 222确 定 后 验 分 布 ..基 于 随 机 场 的 先 验 分 布 和 测 量 噪 声 的 分 布 特 性 ,根 据 Ba e y s定 理 ,求得 给 定 测 量 数 据 y = Y时 , X = x的 后验 分 布 : P( l =P(l P / () w ) y ) ( )P , 其 中 P() 一个先 验 Gb s 布, P(l) x是 ib 分 z 是给 定 X = 时 , y=Y的条件概 率 ,也称之 为似 然 函 数 , 它描 述 测 量 数 据 的条 件 分 布 , P() 一 个 未 知 常 数 .通 常 ,该 后 验 分 布 是 关 y 是于 s 的 邻域 系 统 的 M RF 分 布 。 确 定 了 上 述 后 验 分 布 ,给 定 问题 的解 与 预 先 确 定 的 准 223基 于 适 当 准 则 的 最 优 估 计 ..则 有 关 , 常 用 B y s准 则 , 它 包 括 两 种 常 见 的 估 计 : ae () a MAP估 计 : 是 最 大 后 验 概率 准 则 下 的解 。 ma ag lx 它 X p= r a P(l) ag n n xy = r U ) mi 其 中 U () 后 验 分 布 P(l) 对 应 的 能 量 函数 。 z 是 z 所 ( )后 验 均 值 估 计 : 它 是 最 小 均 方 误 差 准 则 下 的解 , 也 称 之 为 最 小 均 方 误 差 估 计 。 < b z> =E{ P(l)或 <z = { z I) 。 x xy } > zP( } v 此外 ,还 有 其 它 估 计 形 式 ,如 MP ( xmu otr rMagn 1 估 计 j xmD = M Mai m P s i ria) eo : s m ag  ̄ P( } )。 x mm { )224算 法 实 现 . 直 接 求 B y s 计 具 有 指数 复 杂 性 (x o e t l o lx ,因 为 需 要 ae 估 e p n n i l c mpe ) a- v计 算 所 有 可 能 状 态 的 后 验 概 率 ,实 际 上 是 不 可 行 的 。通 常 避 开 这 个 困 难 问 题 , 选 择 可 行 的 途 径 和 算法 求 MAP估 计 时 , 原 问题 转 化 为 求 后 验 能 量 函数 U ( ) 小 值 所 对 应 的 状 态 , 常 U ( ) 将 z 最 通 x 有 多 个极 小 , 即非 凸 的 ( o c n e ), 因而 它 是 一个 组 合 优 化 问题 ,用 随 机 松 驰 ( o h si n n o vx s c at t c r x a i ) 确 定 松 驰 (eemiit ea a i ) 法 求 解 .  ̄a t n 和 o d tr nsi rlx t n 方 c o 随机 松 驰 算 法包 括 模 拟 淬 火 (i ltda n aig[ “J ib 采 样 器 ( ib a lr【 smuae n el ) n 、G b s G b s mpe) s 等 ,确 定 松 驰 算 法包 括 GNC( rd ae n C n eiy 方 法 G a u tdNo ― o vxt) 、I CM(t ae o dt n l Ie tdC n io a x i Mo e 方法 (1,, 均值 场淬火 ( enf l a naig[, 神 经 网络 _ _ d) 7 0 1 、 ,1 g 4 m a e n e l ) 6 7 、 id n 11 J l 以及 动态 8规 划 [ , 。 随 机 松 驰 是 一 种 全 局 优 化 算 法 ,它 花 费 大 量 计 算 时 间 以 获 得 全 局 最 优 解 ,而 1 2J 9 0等 确 定松驰是 能得 到局部 移 到那个状 依 一定概率 一 种 局 部 优 化 方 法 ,本 质 上 是 一 个 非 随 机 的 确 定 过 程 。它 所 需 计 算 时 间 少 , 但 只 最 优 解 。两 者 的 区 别 在 于 状 态 更 新 方 式 :如 果 新 状 态 具 有 较 低 的 能 量 ,两 者 都 转 态 ;如 果 新 状 态 的 能 量 升 高 ,前 者 依 一 定 概 率 转 移 到 那 个 状 态 上 ,从 而 能 量 函 数 向增 加 方 向 变 化 ( 之 为 随 机 扰 动 ) 这 样 既 有 助 于 系 统 摆 脱 局 域 极 小 的 约 束 , 称 , 叉 使 系 统 最 终 达 到 全 局 极 小 后 不 再 受 扰 动 的 干 扰 和 破 坏 ,后 者 不 更 新 状 态 ,它 只 允 许 跳 到 较 低 能 量 的 状 态 上 ,从 而 导 致 受 陷 于 局 部 极 小 MAP 估 计 本 质 上 是 一 个 优 化 问 题 , 它 在 计 算 机 视 觉 中 起 十 分 重 要 的 作 用 由 于 视 觉 过 程 的 不 确 定 性 ,精 确 解 几 乎 不 存 在 ,然 而 可 从 优 化 的 角 度 寻 求 一 个 并 不 精 确 、但 在 某 个 意 义 上 的 最 优 解 这 一 思 想 已 遍 布 到 视 觉 的 各 个 方 面 ,包 括 图 像 分 割 和 复 原 、边 缘 检 测 、从 明 暗 到 形 状 (h p r m h dn )、体 视 (trovs n s a efo s a ig see i o )、运 动 和 光流 (p ia o i o t l w)、感 知 编 组 c f l(ecpu l ra iain p ret a ognzto )、 目标 匹配 和识 别 、姿 态 估 计 (oeetmain 等 MAP 估 计 是 p s si t ) o 种 显 式 的 (x l i) 化方 法 ,它 寻 求后 验 能 量 函数 ( 含 约 束 项 )的最 优 解 然 而 ,也 存 e pi t 优 c 包一在隐含 的 ( li i i t 化 方 法 ,如 Ho g mp c )优 u h变 换 是 一 种 检 测 直 线 ( 曲线 ) 方 法 ,人 们 已发 现 它 的和模 板 匹 配 等 价 ,而 模 板 匹配 是 一 个 显 式 的优 化 问题 . 求 后 验均 值 估 计 时 ,可 用 下 面 的 方 法 : () 据 大数 定 理 ,用 基 于 后 验 分 布 的 采 样 样 本 a根的 均 值 近 似 后 验 均 值 真 值 [2】; ()Kama 21 b , l n滤 波 [s 2 ; ()按 均 值 场 理 论 ( a e 5 ,】 ,2 c menf l i dt e r ) 近 似 . 两 者 人 们 比较 熟悉 。 此 不 予论 述 . 值 场理 论 方 法 包 括 均 值 场 近 似 ( a h oy 作 前 在 均 me n6期 陆 明俊 等 :计 算 机 视 觉 中的 Ma k v 随机 场 方 法 ro13 01i da p o i t ) a  ̄ f l p rxmain 1 , 和 GBF Gib _ 0 0 u 0 . e n n 不 等 式 e o 22 r b sB Ⅱ b v F y ma )盯』 似 。均 值 场 近 近似 是 在 计 算 某 个 位 置 的 估 计 均 值 时 其余 位 置 的 影 响 用 它 们 的 均 值 近 似 ,从 而 根 据 局 部 均 值 场 能 量 求该 位 置 的估 计 均 值 ,文 献 [6 也 称 之 为 L E(oa a il n ry 方 法 。 2] MF L c MenFedE eg ) l 离 散 情 况 下 的 均 值 场 方 程 ( a ede u t n me nf l q a i )易 于 得 到 . 而 在 连 续 情 况 下 , 如 用 弱 表 层 模 i o型 ( e k me lr eno e) CGM( o o n u s r o ) 型 等 ,还 要 采 用 鞍 点 近 似 w a nb a ld 1 或 n C mp u d Ga s― Ma k v 模(a dep ita p o i t n s d l on p r xma i )方 法 [ , , GBF 方 法 是 用 一 种 简 单 形 式 的 能 量 函 数 近 似 原 o 2 2J 34 始 能 量 函 数 ,求 GB 不 等 式 意 义 上 的 最 优 近 似 , 并 把 该 近 似 能 量 函 数 对 应 的 Gib 分 布 用 F bs 于 均 值 场 计 算 以 获 得 均 值 场 方 程 , 文 献 f右 认 为 按 信 息 论 观 点 这 种 最 优 等 价 于 Kula k距 21 l c b离最 小 。解 均 值 场 方 程 常 有 两 种 方 法 : () 度下 降 法 a梯; ( ) 代 法 b迭j ,即 设 置 “ 初 始 均 值 估 计 , 按 均 值 场 方 程 迭 代 直 到 达 到 足 够 次 数 岳估计 值 趋 于 稳 定 。 按 统 计 力 学 (tt t a meh nc) 点 ,后 验 均 值 估 计 和 MAP 估 计 在 零 温 度极 限 下 是 sai i l c a is 观 sc 致 的 ,均 值 场 淬 火 是 一 种 把 均 值 场 理 论 和 淬 火原 理 相 结 合 的方 法 本 文 把 均 值 场 淬 火 作 为 MAP 估 计 , 而 把 均 值 场 理 论 方 法 作 为 后 验 均 值 估 计 一上 述估 计 ( 之 为 状 态 估 计 ) 法 假 定 先 验 分 布 和 似 然 函 数 模 型 中 的参 数 已知 ,通 常 似 称 算然 函 数 中 的 参 数 易 于 确 定 ,而 先 验 分 布 中 的 参 数 要 困 难 些 .但 也 有 几 种 途 径 :一 是 用 实 验 的 方 法 但 只 能 确 定 某 个 适 当 的 范 围 , 也 要 花 费 一 定 时 间 ;二 是 对 于 同 类 型 问 题 ,借 鉴 前 人 工 作 中 给 出 的 参 数 , 如 线 过 程 基 团 的 势 函 数 和 CGM 模 型 参 数 都 已被 多 次 采 用 ; 三 是 用 适 当 的估 计 ( 之 为 参 数 估 计 ) 法 。参 数 估 计 和 状 态 估 计 是 相 互 依 赖 的 : 只有 模 型 参 数 称 算 已 知 时 ,才 能 进 行 状 态 估 计 ; 只 有 根 据 状 态 估 计 的 结 果 , 才 能 估 计 模 型 参 数 。 两 者 通 常 在 某 个 循 环 内 交 替 进 行 :在 当 前 时 刻 ,先 根 据 上 一 时 刻 的 参 数 值 进 行 状 态 估 计 ,再 根 据 状 态 估 计 结 果 进 行 参 数 估 计 , 以 更 新 上 一 时 刻 的 参 数 估 计 结 果 ,如 此 循 环 下 去 ,最 终 完 成 参 数 和 状 态 估 计 参 数 估 计 常 有 几 种 形 式 : f ] 大 似 然 ( a i m k l o d 估 计 , 例 如 B s g编 码 方 a极 m xmu l ei o ) i h ea法 、 E e p ca inma i z t n 方 法 M(x e t t xmiai ) o o等 。由于 MRF状 态 是 隐 含 未 知 的 ,这 是 一 个 不 完 全 数 据 的 参 数 估 计 问 题 ,因 而 EM 算 法 是 最 常 用 的 一 种 方 法 ,它 先 设 置 一 组 初 始 参 数 , 由 此 出 发 ,结 合 观 测 数 据 按 照 B y s原 则 去 估 计 M RF 状 态 ,再 用 此 状 态 结 合 观 测 数 据 用 极 ae大 似 然 估 计 ( 用 B y s估计 )去重 新 估 计 模 型参 数 ,不 断 如此 交 替 地 重 复 此 二 步 骤 ,最 终 达 或 ae到 收 敛 为 止 。也 可 从 设 置 M RF 的 “ 始 ”状 态 开 始 ,去 估 计 参 数 组 ,再 由 此 参 数 组 对 应 的 模 初型 去 估 计 状 态 , 此 交 替 进行 。因 归 一 化 常 数难 以 求 出, 际 上 常根 据 极 大 假 似 然 ( xnu 如 实 ma ilm p e d ― k l o d 准 则 ,并 把 相 应 的 估 计 结 果 作 为近 似 的 极 大 似 然 估 计 [ , , j su ol e h o ) i i 1 2 2 ,理 论 已证 989 明 它渐 近 趋 向 于 极 大 似 然 估 计 。 ( )在 非监 督 算 法 中 , 常用 广 义 (e eaie rp n ie ) b g n r l d o e a z d z l极 大 似 然 估 计 ,如 MDL( nmu D sr t nL n t) 则 Mii m eci i egh 准 po验惩罚项 。 、 AI Akies nomain C( ak ’Ifr to Cr ei) 小 准 则 l 等 ,它 们 的 区 别 在 于 对 诸 如 模 型 阶 数 分 割 区域 数 等 采 用 了 不 同 的 先 ir 最 t a l 综 上 所 述 , M RF方 法 根 据 两 个 模 型 假 设 ,先 验 分 布 描 述 随 机 场 的 局 部 相 关 约 束 ,似 然 函 数 描 述 观 测 数 据 的 条 件 分 布 ,按 上 述 M R 分 析 框 架 , 就 能 对 具 体 问 题 作 出 具 体 分 析 。 F 它 的 优 势 在 于 模 型 假 设 的 合 理 性 上 : MRF 模 型 是 一 种 不 完 全 数 据 的 统 计 模 型 ,可 以 充 分 利 用 对 于研 究对 象 的 结 构 与性 质 等 各 方 面 的 已知 知 识 , 因而 在 具 体 应 用 中 有 相 当 大 的弹 性 ; 由 于 视 觉 信 息 大 多 是 局 部 相 关 的 ,而 处 理 过 程 中 又 必 须 且 易 于 加 以 利 用 ,因 而 它 的 适 应 面 很 广 、几 乎 可 用 于 所 有 层 次 的 视 觉 问 题 ;它 基 于 全 局 意 义 上 的 准 刚 获 得 最 优 解 , 因 而 其 性 能 也 要 优 于 其 它 方 法 。然 而 , 它 的 劣 势 也 是 由 模 型 假 设 造 成 的 : 从 局 部 约 束 到 全 局 最 优 造 成 分 析 上 的 难 度 和 难 于 理 解 ; 它 基 于 局 部 迭 代 进 行 全 局 最 优 ,用 常 规 计 算 需 要 大 量 时 间 ,因 而 要 研 究 相 应 的并 行 算 法 ; 引 入 哪 些 先 验 约 束 及 参 数 估 计 也 有 一 定 困 难 等 。 13 0 2电 子科学学 刊 2 2卷 3在 计 算 机 视 觉 中 的 应 用 M RF 方 法 广 泛 用 于 解 决 所 有 层 次 上 的 视 觉 问 题 , 目 前 大 多 数 应 用 集 中 于 低 层 处 理 , 如 图 像 分 割 [1, , , - 3 和 恢 复 [ - 2 6 7 2 2, , 】 ,它 在 中 、高 层 处 理 中 的 应 用 ,如 感 9 41 1 3 3】  ̄ 590 i 1, , , - 4 6 9 等 S 112 22 知 编 组 、运 动 估 计 [ ,】 2 3 、不 同 处 理 模 块 的 融 合 集 成 、 目 标 识 别 与 景 物 解 释 [ , - 8 55 2 3 3】 06 等 ,在 最 近 几 年 中 也 相 继 出 现 , 且 有 很 好 的 前 景 。 限 于 篇 幅 ,在 此 只 对 图 像 分 割 和 恢 复 作 一 论 述 ,但 这 些 方 法 也 适 用 于 其 它 问题 。 31 圉 像 分 割 . 分 割 就 是 要 把 一 幅 图 像 分 成 一 些 不 相 交 的 区 域 , 使 得 每 个 区 域 内 部 的 属 性 一 致 (o - h mo g n o s , 而 任 意 两 个 相 邻 区 域 的 属 性 不 一 致 . 区 域 是 一 种 常 用 的 中 层 符 号 ,是 目 标 或 景 物 ee uJ 模 型 化 以 及 高 层 理 解 的 基 础 ,对 分 割 在 目 标 识 别 中 所 起 的 作 用 现 已 有 充 分 的 认 识 。能 否 提 取 图像 中所 有 感 兴 趣 的 区 域 和 准 确 确 定 它 们 的边 界 常 成 为 评 价 分 割性 能 的 主 要 因 素 。 区 域 属 性 的 定 义 和 度 量 其 一 致 性 的 方 法 是 分 割 算 法 中 的 两 个 关 键 问 题 ,以 往 绝 大 多 数 分 割 算 法 都 没 有 解 决 好 这 两 个 问 题 。依 属 性 差 异 将 分 割 算 法 分 为 两 类 :灰 度 属 性 方 法 和 特 征 属 性 方 法 。对 灰 度 图 像 可 基 于 灰 度 属 性 或 灰 度 特 征 属 性 ,对 纹 理 图 像 通 常 基 于 纹 理 特 征 属 性 。 对 灰 度 属 性 方 法 ,仅 仅 在 根 据 熵 或 互 熵 (rs n r p ) 准 则 确 定 分 割 门 限 时 利 用 了数 据相 co s to y 等 e关 性 而 且 用 门 限 度 量 区 域 一 致 性 的 方 法 相 当 简 单 。对 特 征 属 性 方 法 , 特 征 提 取 的 准 确 性 和 分 割 结 果 的 准 确 性 之 间 存 在 固 有 的 矛 盾 :特 征 提 取 通 常 要 用 一 个 足 够 大 的 移 动 窗 口 , 以 降 低 图 像 中 的 噪 声 影 响 , 提 高 区 域 内 部 估 计 值 的 准 确 性 ;但 在 区 域 边 界 附 近 , 由 于 数 据 局 部 相 关 程 度 减 弱 , 窗 口较 大 对 特 征 量 的 平 滑 就 较 强 , 以 致 不 能 准 确 确 定 区 域 边 界 的 位 置 。 MRF 方 法 是 一 种 较 好 的 解 决 途 径 . 灰 度 或 特 征 属 性 的 局 部 相 关 表 现 为 分 割 区 域 的 空 间 连 接 性 ( ail o n cii ), 用 M RF 先 验 模 型 描 述 非 常 合 适 ,结 合 似 然 函 数 描 述 某 个 类 s t n et t p ac v y 型 区 域 中 的 数 据 分 布 , 用 模 拟 淬 火 、 动 态 规 划 、 I M 方 法 等 求 基 于 观 测 图 像 的 MAP 估 计 C 和模 型 参 数估 计 .它 不仅 对 图像 噪 声 具 有稳 健 性 ,而 且 区域 连 接 性 及 边 界 位 置 都 得 以 改 善 , 尤 其 在 纹 理 分 析 中 十 分 适 合 于 存 在 不 规 则 边 界 的 纹 理 和 纹 理 参 数 先 验 部 分 未 知 或 空 间 上 变 化等 情 况 。 分 割 中通 常 采 用 一 种 双 重 层 次 (o bvheacia) 型 , 层 常 用 二 阶 ML ( lL vl d u l irrhc 模 1 顶 L Mut ee i L gc Gib o i b s模 型 等 描 述 区 域 几 何 特 征 ,底 层 描 述 不 同 类 型 区 域 中 的 灰 度 或 纹 理 分 布 。对 灰 J 度 图 像 , D r 等 用 高 斯 分 布 描 述 任 意 区 域 的 数 据 分 布 , Slema 等 _ 对 灰 度 不 变 或 ei n i r n v 3 叫 缓 慢 变 化 的 光 滑 表 面 ,用 线 性 或 二 次 多 项 式 均 值 函 数 叠 加 加 性 白 噪 声 模 型 ,因 而 任 意 区 域 内 每 个 像 点 的 均 值 随 像 点 位 置 缓 慢 变 化 .它 的 优 点 :一 是 实 际 图 像 中 每 个 区 域 内 各 处 的 局 部 均 值 常 是 缓 慢 变 化 的 , 因 而 更 符 合 实 际 情 况 ; 二 是 在 图 像 局 部 对 比 度 较 低 的 部 分 .用 全 局 均 值 易 于 把 视 觉 上 不 同 的 区 域 合 并 成 一 个 区 域 ;三 是 在 空 间 可 变 的 类 均 值 情 况 下 . 割 一 幅 图 像 分 所 需 的 区域 数 变 少 .且 每 个 区域 更 具 视 觉 意 义 .为 了提 高 检 测 S AR 图 像 中 诸 如 道 路 等 细 小 结 构 特 征 的 能 力 , S i 等 【 用 自适 应 邻 域 M RF 模 型 ,以 解 决 用 固 定 邻 域 模 型 使 表 征 类 别 mt s J 的特 征 空 间重 叠 ,从 而 导 致 在 均 匀 区域 内 、在 区 域 边 界 处 或 接 近 细 小结 构 的 地方 类 别 发 生 混 淆 的 问题 自适 应 确 定 邻 域 是根 据 诸 如 当 前 局部 信 息 、先 验 认 识 或 某 些 处 理 结 果 等 多种 知 识 对 所 允 许 的 邻 域 形 状 作 出 假 设 .按 Ba e 推 理 获 得 接 受 ( 拒 绝 ) 个 邻 域 形 状 的 置 信 度 ,选 ys 或 某 择 具 有 最 高 置 信 度 的 邻 域 。 当 前 基 于 M RF 模 型 的 分 割 算 法 大 都 用 高 斯 分 布 模 型 .而 不 考 虑 实 际 图 像 与 所 假 定 的 高 斯 分 布 不 一 致 ;在 稳 健 参 数 估 计 和 分 类 算 法 中 ,虽 考 虑 了 实 际 图 像 中 的 噪 声 或 其 他 因 素 对 数 据 分 布 所 产 生 的 影 响 .并 广 泛 采 用 槽 染 的 (o tmia e ) 斯 分 布 . c n a n td 高 但 都 假 定 观 测 数 据 是 相 互 独 立 的 , 而不 考 虑 局 部 相 关 性 ,因 此 这 两 类 算 法 都 存 在 某 种 局 限 性 。为此 文献 [ 1 MR 3 把 2 F先验 模型和 污染的高 斯分布结 合起 来 ,从而 具有更 好的稳健 性和 可 择 性 。对 纹 理 图 像 ,用 MRF模 型 或其 它 模 型 ( 自回归 模 型 _ _描 述 数 据 分 布 。 C o e 如 1) 5 opr 等 用 白 高 斯 场 ( 同 纹 理 有 不 同 均 值 )模 型 , El t 不 lot等 __用 自二 项 式 fuo io a1模 i 1 。 a tbn mi l6期 陆 明 俊 等 : 计 算 机 视 觉 中 的 M ak v 随 机 场 方 法 ro13 03型 , Slema i r n等 删 用 非 因 果 的 、有 多 项 式 均 值 函 数 的 有 色 GMRF( u ̄MakvRa d m v Ga s ro n oF ed 模 型 ,文 献 _g 也 是 论 述 的 MRF纹 理 模 型 。 il) 31 分 割 算 法 常 用 Ba e y s方 法 和 聚 类 法 。对 灰 度 图 像 , Dei 等 【 论 述 了 基 本 的 B y s方 r n J ae法 ,提 出 了 基 于 动 态 规 划 的 近 似 MA 估 计 算 法 .它 和 模 拟 淬 火 有 相 当 的 性 能 ,但 所 需 计 算 P 时 间 减 少 。 L k h n n等 l 提 出 了 一 种 自 适 应 分 割 算 法 , 分 割 和 参 数 估 计 都 用 模 拟 淬 火 a s ma a 9 l 算 法 , 两 者 在 某 个 循 环 内 交 替 进 行 , 并 理 论 证 明 了 参 数 估 计 和 分 割 各 自收 敛 于 极 大 似 然 和 M AP 估 计 , 然 而 在 实 际 估 计 参 数 时 , 用 极 大 假 似 然 估 计 近 似 极 大 似 然 估 计 。 F wu等 l J I 先 用 矢 量量 化 方 法 作 初 始分 割 ,再 用 I CM 方 法 对 初 始 分 割 作 进 一 步 处 理 , 提 出 了 一 种 非 监 督 矢 量 图 像 分 割 算 法 。 对 纹 理 图 像 , Kev a 等 【 J 出 了 基 于 局 部 和 全 局 统 计 特 征 的 非 监 r rx m 提督 分 割 方 法 ,而 Bo ma u n等 _5 提 出 了 多 网 格 分 割 算 法 和 基 于 AI 准 则 的 非 监 督 分 割 算 法 。 l_ C 聚 类 分 割 法 是 先 求 表 征 若 干 子 集 数 据 的 模 型 参 数 ,之 后 依 某 个 聚类 准 则将 其 中 两 个 子 集 的数 据 聚 为 一 类 ,该 过 程 迭 代 下 去 直 至 晟 终 得 到 分 割 结 果 。通 常 有 多 种 聚 类 准 则 ,如 ( 一 归化) u l E cd距 离 i、极 大 似 然 准 则 ( h ln bs 离 ) 等 。 Slema Ma aa o i 距 i r n等 v提 出 基 于 非 监 督 学 习 的 分 割 和 参 数 估 计 算 法 ,分 割 用 极 大 似 然 或 B y s 聚 类 (g lmea iecu tr g ae 块 a go rtv lsei ) n 方 法 ,参 数 估 用 晟 小 二 乘 方 法 , 它 假 定 光 滑 模 型 中 的 噪 声 相 互 独 立 ,而 且 按 假 似 然 准 则 可 近 似 认 为 纹 理 模 型 中 的 噪 声 也 是 独 立 的 为 了 说 明 M RF 方 法 在 分 割 中 的 应 用 ,我 们 把 Br d t o a z相 册 中 的 五 类 纹 理 拼 接 成 图 1, 用 文 献 『5 的 多 分 辨 监 督 分 割 方 法 获 得 的 结 果 见 图 2 1l 图 1 实 验 图像 图 2 左 图 的分 割 结 果 32图 像 恢 复 。 在 多 数 情 况 下 , 图 像 恢 复 就 是 要 消 除 观 测 图 像 中 的 模 糊 ( lrig 和 噪 声 , 以 获 得 原 始 burn ) (norpe )图像 模 糊 是 指 成 像 过 程 中 带 宽 缩 减 现 象 , 它 由诸 多 因 素 造 成 , 如 相 机 和 景 u c ru td物 间 的相 对 运 动 ,失 焦 (U f o u ) ,在 遥 感 成 像 时 ,还 有 大 气 扰 动 (u b ln e O to c s 等 f t r ue c ),色 差 (b rain a er t )等 因 素 . 噪 声 是 指 图 像 中 包 含 的 随 机 性 干 扰 。 对 于 上 述 影 响 , 通 常 用 线 性 模 型 o描 述: =Ax+ n 从 观 测 图像 y 中恢 复 原 始 图 像 是 一 个 不 适 定 问题 , 因 它 不 满 足 适 定 性 的 第 三 个 条 件 ,这 意 味 着 观 测 数 据 不 足 以约 束 问 题 的 解 ,因 此 要 利 用 先 验 知 识 或 引入 合 适 约 束 。 大 多 数 线 性 方 法 利 用 原 始 图 像 和 噪 声 全 局 特 性 , 如 W in r滤 波 利 用 原 始 图 像 和 噪 声 的 ee 功 率 谱 信 息 等 , 从 统 计 的 角 度 确 立 相 应 的 准 则 , 如 W in r滤 波 基 于 最 小 均 方 误 差 准 则 等 . ee 优 化 图 像 的全 局 特 征 。这 些方 法 基 于 原 始 图 像 均 匀 性 (o g n t )假 设 ,然 而 在 其 边 界 附 h mo e m y 近 ,灰 度 有 急 剧 变 化 .实 际 上 是 非 平 稳 的 , 因而 许 多 人 眼 可 区 别 的 视觉 信 息 ( 边 缘 和纹 理 如电子科学学刊 2 2卷 等 局 部 特 征 )无 法 准 确 恢 复 ,这 是 因 为 在 线性 模 型 中无 法 引入 ( c r o ain i o p rt )这些 局 部 结 构 n o信 息。 MRF 先 验 模 型 表 示 重 建 图 像 及 其 边 缘 的 联 合 分 布 , 它 以 分 段 光 滑 等 约 束 形 式 对 图 像 局 部 特 征 作 适 当 描 述 , 结 合 实 际 观 测 图 像 , 基 于 某 种 准 则 ( B y s准 如 ae 信 息 准 则 )用 估 计 或 优 化 方 法 求 最 优 解 。它 避 免 了 线 性 方 法 导 致 的 模 糊 或 边 缘 失 真 或 噪 声 放 大 ,信 噪 比 有 所 提 高 , 对 模 糊 和 噪 声 等 因 素有 较 好 的 稳 健 性 。 Ge ln等 l 为 此 作 了 开 创 性 的 工 作 ,基 于 线 过 程 表 示 非 平 稳 和 Gib . na J b sMRF 一 致 性 建 立 了 关 于 重 建 图 像 及 其 边 缘 的 联 合 先 验 分 布 模 型 , 接 B ) s分 析 框 架 , 后 验 分 布 通 常 也 是 a ̄一个 M RF 分 布 , M AP 估 计 为 后 验 能 量 函 数 最 小 值 所 对 应 的 状 态 ,提 出 了 基 于 Gib b s采 样 ( 接 后 验 条 件 分 布 每 次 只 更 新 某 一 个 位 置 的 状 态 )的 模 拟 淬 火 算 法 ,理 论 上 证 明 了它 的 收 即敛性 。 Jn 等 [ j 出 了 C eg t 提 o GM 先 验 模 型 , 它 是 一 种 包 含 线 过 程 的 非 平 稳 GM RF 模 型 ,避 免 了 用 GMRF 模 型 时 在 图 像 边 缘 处 的 过 分 平 褙 ,给 出 了 用 模 拟 淬 火 或 I M 方 法 获 得 MAP 估 C计的算法 , 在文 献 【1 中证 明了淬火过 程的收敛性 。 1】 之后 , Z rba等 ” 基于文献 『 1 eu i ] 2 中的 4鞍 点 近 似 ,用 均 值 场 淬 火 方 法 求 M A 估 计 , Z a g”J 于 鞍 点 近 似 求 均 值 场 近 似 ,用 E P hn[ 基 M 方 法 实 现 了 图 像 恢 复 , Fgm rd i ie o等 例 不 采 用 关 于 线 过 程 的 先 验 分 布 , 而 把 C  ̄ GM 中 的 线 过 程 作 为 确 定 性 的 未 知 参 数 , 基 于 M DL 原 理 并 结 合 观 测 图 像 估 计 边 缘 数 和 它 们 的 位 置 ,提 出 了 非 监 督 MAP 恢 复 算 法 , Z a g等 基 于 GBF 不 等 式 求 后 验 均 值 估 计 , Smc o 等 hn i hW l 用 GNC 方 法 优 化 后 验 能 量 函 数 以 获 得 M AP 估 计 。 J B a e等 提 出 弱 表 层 约 束 先 验 模 型 ,用 GNC 方 法 求 M AP 估 计 。之 后 , Geg r等 lk ie 基 于 鞍 点 近 似 和 均 值 场 近 似 求 后 验 均 值 估 计 , Gu sl 驯 提 出 了 基 于 多 尺 度 弱 表 层 模 型 的 ne 等边 缘 稳 健 集 成 算 法 ,主 要 用 于 边缘 检 测 ,它 用 文 献 _ 的 TPM( h eh 1e otr r a ) 2 _ T rs d dP sei n 0 o Me方 法 , 根 据 后 验 条 件 概 率 采 样 值 计 算 后 验 均 值 ,但 需 要 大 量 的 计 算 时 间 , 作 者 基 于 这 种 多尺度模 型,用 G BF 方 法 求 后 验 均 值 估 计 , 所 需 计 算 时 间 少 , 而 且 有 相 当 好 的 性 能 , 按 后 验 均 值 方 程 便 于 调 整 模 型 中 的 先 验 约束 项 及 其参 数 。 Mo r u a等 [ j 定 了 非 因 果 GMRF 递 归 形 式 , 从 而 可 用 递 归 方 法 ( Kama 滤 波 )处 2 确 2 如 l n 理 图 像恢 复 问 题 。 总之 , 献 中论 述 的 重 点 是 对 常 用 先 验 模 型 用 不 同 的 方 法 进 行 分 析 , 有 一 些 文 献 [ , 】 文 也 2 2 as对 基 于 同 一 种 模 型 的 不 同 方 法 或 和 线 性 方 法 ( W i e 滤 渡 ) 丁 比 较 。尽 管 CGM 模 型 和 如 e r n 作弱 表 层模 型 用 于 图像 恢 复 时 取 得 了 较 好 的 效 果 ,但 对 边 缘 检 测 情 况 就 不 十 分 理 想 。 4 F的发 展 动 向 MR 接 作 者 的 观 点 ,关 于 计 算 机 视 觉 中 的 M R 方 法 ,有 几 个 值 得 注 意 的 发 展 动 向 : F () 模 1建建 模 有 待 深 入 研 究 的 问题 是 先 验 模 型 有 效 性 ,目前 ,分 割 中 常用 二 阶 ML L分 布 作 区域 模 型 , 复 中常 用 一 阶 C 恢 GM 模 型 或 弱 表 层 模 型 ,它 们 的 通 用 性 极 强 , 在 一 些 情 况 但 下 缺 乏 有 效 性 , 此 已有 文 献 探 讨 解 决 方 法 , 自适 应 邻 域 】 基 于 BP 阿 ( a k p o a a i n 为 如 、 b c . r p g to nt ok 学 习 势 函 数 l:、分 段 光 滑 先 验 模 型 l l 不 连 续 自适 应 (i o t ut.d pie ew r ) a r 、 4 l ds ni i a a t ) c n y v 势 函 数 [ ,] 4 4 23()多 尺 度 方 法 2多尺 度 方法 有待 深入 研 究 的 问题是 既 要能提 高收 敛速 度 又 要能获 得 较 好 的 性 能 。 尽 管 具 体 的 多 尺 度 方 法 依 赖 于具 体 的 问题 , 但 大 多 数 方 法 仍 是 基 于 多 网格 ( lgi) 法 [ , 】 多 尺 度 建 模 [ , ] 想 ,前 者 在 从 粗 尺 度到 细 尺 度 时 ,状 态 搜 索 空 mut r 算 i d 14 和 54 44 思 56间 逐 步 增 大 ,减 少 丁 在 细 尺 度 上 所 需 的 优 化 时 间 和 陷 入 极 小 值 点 的 机 会 ;后 者 利 用 在 各 个 尺 度 上 的 Ma k v 特 性 进 行 有 效 的 运 算 , ro 6期 陆 明傻 等: 计 算 机枧 觉 中 的 M a k v 随 机 场 方 法 ro() 计 算 机 视 觉 高 层 处 理 中 的 应 用 目前 /RF 方 法 尚 集 中 在 低 层 处 理 上 .其 实 在 渚 3在 v I 如 目标 识 别 等 高 层 处 理 中 也 是 太 有 作 为 的 倒 如 对 目标 识 别 , 可 以 根 据 M RF 先 验 分 布 描 述 模 型 特 征 ( 线 、 区 域 )的局 部 相 互 约 束 . 从统 计 的 角 度 用 有 效 的 搜 索 方 法 找 出 目标 特 征 和 如 模 型 特 征 之 间 的 最 优 匹 配 ,依 据 高 的 匹 配 程 度 识 别 目标 . 这 样处 理 有 几 个 优 点 ( )易 于 a在 先 验 模 型 中引 入 约 束 项 ,概 念 清 晰 ,处 理 规 范 ; (J易 于 建 立 层 次 结 构 模 型 ,方 便 处 理 多 b 层 次 识 别 问题 ; ()便 于 组 合 应 用 统 计 和 结 构 两 类 特 征 1 j.在 目标 识 别 中, 统计 和 结构 特 c 4 7征 都 起 着 重 要 作 用 ,但 仅 仅 依 靠 一 类 特 征 在 建 模 、应 用 和 所 取 得 的 效 果 上 都 存 在 一 定 的 局 限 性 , 如 何 将 两 者 有 效 组 合 是 个 一 直 在 研 究 的 问 题 , 而 MRF 是 一 个 很 好 的 融 合 处 理 途 径 。 5结语 MRF 方 法 有 着 诱 人 的 发 展 前 景 , 它 对 视 觉 问 题 采 用 了 一 致 的 分 析 框 架 . 已 引 起 了 人 们 极 大 的 必 趣 和 关 注 , 人 们 期 望 在 Ma k v 这 个 严 密 的 数 学 体 系 内 . 一 些 理 论 上 的 问 题 会 得 到 ro 进 一 步 解 决 ,同 时 它 处 理 实 际 问 题 的 灵 活 性 又 能 给 其 它 领 域 的 有 关 研 究 以 启 发 和 指 导 本 文 对 它 在 视 觉 计 算 中 的 方 法 和 应 用 作 了 初 步 概 括 ,探 讨 了 它 的 发 展 动 向 。 由 于 搜 集 和 整 理 的 材 料 有 限 有 不 当 之 处 敬 请 指 正 . 参 考 文 献 【 1 P g i ,t 1C mp tt n l io n euaiainter. tr, 9 5 3 7 3 4 3 9 ] o g T e a o u ai a vs na drg lr t ho y Naue 1 8 , 1 : 1 1 o . o i z o『1 2 M a r qu n J e 1 r o i t a .Pr b b ls i ol to fi ― o e pr blm s i o pu a i n ii n J o a iitc s u in o l p s d o e n c m l t to a v so . .Am . l S ait tts Aso . 1 8 , 2 3 7 7 9 s c. 9 7 8 { 9 ) 6 8 【 B r r e a I-oe rbe al i o P o E 1 8 , 68: 6 - 8 3 】 et oM,t t lp sd po l i er vs n r c E E. 9 8 7 () 8 9 8 9 e .l ms n y i I 【】 Ga l t tI tg ai no i o 4 mb eE e n e r to fvs nmo u e n a eigo i a eds o tn iis EEE T a s a i d l a dlb l f t f c i n iute I s n sr c r d O vt n S s M a b r , 9 9 S C一 9 6 :1 7 5 1 n Cy e n 1 8 , M 1 f) 5 6 18 『_ 5 C o ,t 1 M uts aer c riee tma in d t u in n e ua ia in I h u K e . a l c e u sv si t , a af so a d rg lrz to EEE T a s o t i l o T n f Au o t ma i Co to 、 9 4 AC一 9 3 : 6 _ 7 t nrl 19 . c 3f)4448 wih a p ia in o rm oes n ig r c EE t p l to st e t e sn P o I E,1 9 , 5 1 :1 4 1 0 c 9 7 8 () 6 8 【 6 D ne M, isyA A mut eou i to o K r in lee fs na dd t si lt n 】 a i W l k l rs lt nmeh d l vf g a― vl i n aaas ai l l i o o os l o o mi o 【 B sgJ S ail neat n d tesai ia a ayi o lti ytmsw t i us n J 7 】 ea . p t trci sa h tt t l ls f at es s ai o n sc n s c e ( i ds si ) h c oRo .S a it S c, 9 4 B3 ( ) 9 3 y t ts o 1 7 , 6 2 :1 2 2 6【 Fa k0, ta s D Makvga h J Ame Sai A sc, 9 6 8 (9 ) 8 2 8 2 8 】 r Sru s ro rp s n r tt t so 18 , 13 5 : 3 ― 4 s l1 L k h n n S Dei Smu tn o sp r me e s i to n e me t to f b sr n o 9 a s ma a , rn H. i la e u aa tre t main a d sg n a ino b a d m Gii l i g sm l t d a  ̄e ln EEE a 0 t e n Ana M a h ne I t l 1 8 PA M I fedsusn i u a e ra a i g I n ns n Pa t r l c i nel 9 9 - l f ) 9 8l 1 8 :7 9 3f0 Je 11 ngF W o dsJ o Co po d G a s a k v r d m ed o m a ee tm a i I m un u sM r o a o f l sf ri g s i ton EEE a s o n i t r n S g lPr c s i g 9 .S 3 3 :6 3 6 . ina o e sn 1 91 P. 9f ) 8 ― 91 [ J n o d Smuae n a n o o n us nrn o ed.I E r s o n】 e gF W o sJ i l da el gi cmp u dGa si a d m f ls E E T a n t n i n a i nI f rl The y 9 0, T一 6 1 94 1 7 n oi l or ,1 9 I 3 ( ) ―0.【2 Ge n S Ge i D S o h si ea a in Gib i rb to sa d t e/a ei e tr to f l】 ma . ma 2 t c atcrlx to , b sds iu in n h 3 y sa r so a in o t ni a e I m g s EEE a s 0 t e n An 】 M a hi e I t l Tr n n Pa t r a c n n e I,1 4, 98 PAM I6 6 :7 1 4l 一 f ) 2 7 [ J Smc o yT a ya di l n aino o t l se ol g t―erha oi ms o o 1 i h n , lp rmi e 3 mp me tt f pi ?tpC 【u aesac l r h r me o ma J g t f sIw- v l iin p o lms EEE a s n s s.M a b r o l e vso r b e I e n 0 v t n Cy e n,1 8 S 9 9 MC.9 6 :l 0 ― 4 4 1 ( ) 4 8 1 2 [ 】 F uJ D ui P U s p ri dvco g emett nb resr cu e-C a oi m 1 4 w , jr n u ev etr ma esg nai yate tutr- I M g r h c e s i o l tI EEE T a s n Me ia ma ig 1 9 , 一5 6 : 7 8 r n .o dc I gn , 9 6 MI1 ( ) 8 1 8 1 l[ 】 B ua nC LuB Mut l rslt nsg naino xu e gs I E r s o atr 1 5 or a , i . lpe eoui emett f e trdi e E E T a nP t n i o o t ma n eAh 1 a .M a h n n el 9 1 P c i e I t l ,1 9 . AM I 1 ( ) 9 1 3 .3 2 : 9 1 .1l Hry n aa e tR soaino 6 i a n i H,t . etrt f i h a o P Sc o .Am. 1 8 , 6 1 ) 9 1 1 1 , 9 9 A一 (2 :1 0 ― 9 2i a s y m e n- e d a ne i J.Opt m ge b a f l n af i ng . 电 子科学 学 刊 2 2卷 1 ] Z r baJ C e a p a e n el gu igc mp u dGa s― ro a d m ed r 7 eu i h l p aR Menf l a n ai s o o n usMakvrn o f ls o l id n n i fe g e eto ndi g si t n EEE T a s n Ne r t r s 1 9 , d ed tcina ma eetma i I o r n o u a Newok , 9 3 NN- ( ) 7 3 7 9 l 44: 0 0 1 1 Yul 8 ie A.E eg u c in o a l iin a d a ao ewo k B o Cy e n 1 8 ,6 ( ) l n r y f n t sfr e r vso n n lg n t r s o y il b r 9 9 l2 : 1 5 2 1 1 31] D r lot d l ga dsg naino os dtx ue gs s g b s a d m 9 ei H El t H Mo ei n me tt f i a et di e i b n o n i n e o n yn r ma u n Gi ri d I f ls EEE Tr n .0 a tr a Ma hn n el 1 8 , AMI9 1 : 9 5 e a s n P te n An l c ieIt l, 9 7 P ? () 3 5Ba z ha 、Coo r D Aut m a i ndng o i oa s i e i li a e y u i g g o e rc ro rM pe o tc f i fm n r d n a ra m g s b sn e m t i― i a so ha tc m o l n s i a i Ⅲ EE a s o t e n A n M a hi n e 1.1 9 .PA M I t c s i des a d e tm ton Tr n n Pa t r a l c ne I t l 9 6 -∞ 虬 盟 船 矧. 明 冽 驯 删 叫 删 1 ( 1 7 2 8 7: 0 卜7 1Gun e e l s lB la R c xsr to nd bo nd r e e to fTag nd i t nst m a e olt uc i n a u a y d t c i n o a l e a n e iy i g s Ⅱg m u ― l t c eI RF rp e e t to s i a I e r n ain Co u e so dI g n e sa d n 1 9 6 ( ) 3 3 3 6 sl v s mp trViin a ma e n d rt n 1g 9 6 3 2 : 5 - 6 M o r .Bar m u aJ la N R u sv t uc u eofno a s lG a s ― a k v r do f l s EEE a s c r i es r t r nc u a u s M r o a n m e d I i Tr no n om Th o y 1 9 , T- 8 2 3 4 3 4 n I fr er. 9 2 I 3 ( ) 3 _ 5 Z ng J ha The m e D fe d t e r n EM r e u e o l a k v r nd m e d i a e r s o[ - a . I h o y i i p oc d r s f r b i M r o a o f l m g e t l nd i ato I E T al.o ma eP o esn , 9 3 P- () 2 _ O in EE ras n I g r c sig 1 9 I 21 7 4 .Gege .Gio iF Pa al la d d t r i itc a g rt i rD r s r le n e e m n s i o ihm sf o RF s S f e r c n t uc in. l r m M : ura e o  ̄ r to cI EEE T a s nPa t r a Ma h n neI 1 9 , r r o ten An l t c ieI tl 9 1 PAMI1 ( ) 0 _ 1 . . 3 5 :4 1 4 2 Z n g J e . ha tat The a pl a i n o e n fe d t o y t m a e m o i n e t m a i n I p i t o fm a l he r o i g c i t o s i to EEE a s o Tr n nI g r c sig 9 5 P 4 1 :1 3 ma eP o e s 1 9 I . ( ) 9 3 . n Z n T h p lc to ft e G i bsBo lub v F y m a ne ua iy i n I f l ac a i n ha g J e a p i a in o h b - goi o ― e n n i q l t n r e li d c ulto s a e lfrMa k v r d m ed I E T a s n I g r cs ig 9 6 I - () 2 8 1 1 o r o a o f l s EE r 0 ma e P o esn 1 9 , P 5 7 :1 0 ― 2 4 n i n陆 咀俊 ,王润生.一种基 于多尺度 MRF模型的边缘检测算法2 9 3 2 5 ― 0 电子学报 , 1 9 2 ( ) 2 8 9 9 7 8 :8 - 6Be a On t e saitc la ay i fd ry pc u e J sg J h ttsia n s o t it rs l s i Ro S a it S c,1 8 .B?8 3 : y t ts o 96 4 () Fi uer do M 1 e t o J g ie ia Uns pe vs d i a er t a i n a d e g o a i n u i g c L u r ie m g e or to s n d el c to sn om po nd G a s ― u u s Ma k vr n o f l d t eMDL p icpl EEE Tr n 0 ma ePrc si g 9 7 I ? ( ) ro a d m ed a h i s n rn i e I a s nI g o e s ,1 9 . P 6 8 : n 1 8 1 0 0 9 1 2Sl e m a o p r D Ba e i l s e i g f r u s e v s d e tm i ̄ r n J1C o e y sa c u t rn o n up r ie s i n aton o ur a e a e u e i fs f nd t xt r cmo es EEE Trr o te nAn M a hn n e1 1 8 P d l I a s n Patr a t l c ieI tl , 9 8 AM 1 {) 8 _ 9 . 4 :4 2 4 5 0S is P, e l pi ne S yn h tc a r ur a ari a e m e t t o y e a l r s r ng M a ko m t D le a S t e i pe t er d m ges g n a i n b a d t i p e e vi r vr n o f l p r a h EEE Tr n o o c.t a d m ed a p o c I i a s n Ge s i  ̄mo eS n ig 9 7 GRS 3 ( ) 4 8 7 t e s 1 9 , n - 5 4 :8 4 5 .陆明俊,王润生.基于 MRF 模型的可靠的图像分割.电子学报. 1 9 2 ( ) 8 9 9 9 7 2: 7 8 K e v a C He t F.A M a k v r nd m ed m o e ― a e p o c 0 n upe v s d t x ur r r nn iz ro a o i f l d lb s d a pr a h t u s rie e t e s g e t to ig l c la d glba pa i t t tc . 1 e m n a i n usn o a n o l s ta s a i is EEE a s o m a o e sn l s Tr n n I ge Pr c s i g,1 5, 99 I 一 f) 8 6 8 2 P4 6 5 - 6 Krs a a ha iS ihn m c r Chel pp De i e tn i n sb r up ngln swih M R Fs EEE a s la a R ln a i g bu l g yg o i i e t di I Tr n o ma ePr cs ig 9 6 I 5 1 :1 4 1 8 nI g o esn 1 9 , P一 ( ) 6 6 Ko a D ub i nr d J o s E Ba e i tm a i n o y sa e i to fmoton v c o ed I n s i e t rf l i s EEE a s o t e n A n n r n Pa t r a t lMa h I t l 1 9 ,P c . n eI 9 2 AMI1 ( ) 9 0 9 7 -49: 1- 2 M od s i o J,Z n A a k v r d m ed m o lb ̄ e p oa h o i a e i t r e a i n e tn ha g J M r o a o f l n i de- . d a pr c t m g n e pr t to . sI EE T a s n P te n An l E r n o a tr a Ma hn n e1 1 9 P c ieI tl . 9 2 AMI1 ( ) 0 ― 1 - 4 6 :6 6 6 5K i , ng H Ef c e ti a el b ln a e n a ko a do f l a r o ac r pa a in m I Ya i f in m g a e i g b s do M r vr n m ed nd e r rb k p o g to in t r Pa t r  ̄ c g i i n e wo k te n te o n to,l9,61) 6510 9 3 2 ( 1 :1 9 ― 7 7[s L P rmee et t n fro t l o jc rcg io :T e r d a piain It J 3 ] iS a a tr si i o pi bet eo nt n ho y a p l t n ma o ma i n c oCo a +Viin 1 9 、 13 :2 7 2 2 mp t so 、 9 7 2 ( 1 0 ― 2 .『9 cr s .J n A M a k v r do e d t xt e m od l.I 31 o sG l a ro a n m f I e u i r es EEE ;l . 0 t e n Ana M a hi e Tras n Pa t r  ̄ l c n I t l, 9 3 n el 1 8 PAM 【 ( ) 5 3 . . 1 :2 ― 9 5【 ) Ma jn t C e a p . n u evsdtxu e eme tt nuigMakvr d m e o - 4 0 nu ahB, h l p aR U s p r i t g nai n r o l e e r s o s n a o f l r d i doe I EE TrI o a tr a Ma h n n eI 9 1 PA I1 () 4 48 l E al n P ten An I s s c i eIt l.1 9 . M -3 5 : 2I1 L vtnE e a I g- d l ib f  ̄. a Mc d l I g rcsig 1 9 , 72: 4] ei ,f t ma emo e n G b s i a . i g p o Grp a Mo es maeP o e n , 9 5 5 () l s 1 _ 3 1 一 o 7 16期 陆 明 俊 等 :计 算 机 视 觉 中 的 M a k v 随 机 场 方 法 ro13 0 7Bo n n C. a e A e eM ̄e u sa ma emo e o d ep e evn AP et a in u  ̄ S u rK. g n r d Ga sin i g d l re g ? r sr i gM f si to mI EE Tr n OlI g r c s i , 9 3 I 2 3 : 9 ― l E a s l ma e P o e s ng 1 9 , P一 ( 】 2 6 3 0LiS O n d s on i uiy a ptv m oo h s r o s i o p t r v so I ic tn t - da i e s t nes p ir n c m u e ii n EEE a s on Pa t r Tr d ten l ㈤ Ah l a h n ntl. 9 5 AM I1 ( 1 7 5 6 a M c i eI e1 9 P 一 76 :5 8 MH et e l M ulic i mi a in of l b l n r Y f nc i x i om eⅥ Sl e o e ypr b e s l zF,ta ts Mem ni z to o a e g u to ̄ n s g e l re v r o lm aICo u Vi o a hc g r c si g ma e Un esa d n 1 9 5 0) 2 ― 3 mp t s n Grp isI i ma eP o esn :I g d rt n i g 9 4 9 :1 5 1 4Pe e r zP.He t izF R e t ito o a k v r nd m ed Oi a g a h a u tr s uton s a itc l s rc in fa M r o a o f l l r p nd m lie ol i t tsi a i i g d l g E r n olI fr ma emo ei r EE T a s l n m Th o y 9 6 T 4 f ) l O l 0 n o e r ,1 9 r 一 2 1 8 ― 9 Lue t e t 。.M u ts a e r p e e t ton fM a k v r nd l 矗 l tg n M e 7 lic l e r n a i s o r o a on e出 s I EEE Ⅱ a s O i n 皿 n S g alP o es 1 9 S . l 1 】 3 7 3 9 . r c si ng 9 3 P 4 (2 :3 7 - 3 5 Grn n e Ad a e s np ten t e r An S a it. 9 9 7 1 :l 3 e a d rU v n e a t h oy i r n tr s 1 8 1 ( ) _ 0M ARK 0 V RA ND 0M ELD ETH 0D 0L0 GY N FI M IC0M PUTER I I V S ON L n n u Mi百a Wa gRu s e g n nh n ( R Nain l a , t n l n vri /D n eT c n l y h n s a4 0 7 ) AT t a b Nai a iest o o L o U y e eh oo ,C a gh 1 0 3 gA bs r c M a k v r ad m e d m e h o o y i e n t c a e r s a c e d i o p t r ta t c o a o i f l t od l g s a n w o i e bl e e r h f l n c m u e i v so ii n. I h s p p r e r l a a y i r m e r n e a i e r f r n e f M RF m o e . n t i a e ,a g ne a n l s s fa wo k a d r l t v e e e c s o d 1 b s d me h d l g e p e e t d h p r a h s f r i a e me t t o n e t r to e ae t o o o y a r s n e t e a p o c e o m ge s g r n a in a d r so a i n a r r v e d. n e po s b e t e d r i c s e s we 1 e i we a d a f w s i l r n s a e d s u s d a l . K e w o ds M a k v r n o f l Co y r x o a d m e d, i mpu e ii n t r v so 陆明俊: 王润生: 男 . 16 9 7年 生 博 士 生 .研 究方 向 为 图像 理 解 和 信 息 融 合 . 男 , 14 9 1年 生 ,教 授 ,博 士 生 导 师 主 要 研 究领 域 为 图 像 分 析 与 理 解 模 式 识 别 和 信 息 融 合 等
All rights reserved Powered by
copyright ©right 。文档资料库内容来自网络,如有侵犯请联系客服。