Traditional image segmentation methods based on MRF converge slowly and require pre-defined weight. These disadvantages are addressed, and a fast segmentation approach based on simple Markov random field （MRF） for S...Traditional image segmentation methods based on MRF converge slowly and require pre-defined weight. These disadvantages are addressed, and a fast segmentation approach based on simple Markov random field （MRF） for SAR image is proposed. The approach is firstly used to perform coarse segmentation in blocks. Then the image is modeled with simple MRF and adaptive variable weighting forms are applied in homogeneous and heterogeneous regions. As a result, the convergent speed is accelerated while the segmentation results in homogeneous regions and boarders are improved. Simulations with synthetic and real SAR images demonstrate the effectiveness of the proposed approach.展开更多
为保证复杂仿真系统达到可信度要求和缩短开发周期,应在构建复杂仿真系统之初确定各个仿真子系统的可信度。为此,提出一种复杂仿真系统可信度智能分配方法,在明确复杂仿真系统总体可信度的情况下获取各仿真子系统的可信度分配结果。根...为保证复杂仿真系统达到可信度要求和缩短开发周期,应在构建复杂仿真系统之初确定各个仿真子系统的可信度。为此,提出一种复杂仿真系统可信度智能分配方法,在明确复杂仿真系统总体可信度的情况下获取各仿真子系统的可信度分配结果。根据复杂仿真系统的组成和结构,提出基于多层成对马尔可夫随机场(multi-layer pairwise Markov random field,ML-PMRF)的复杂仿真系统可信度分配模型构建方法。基于最大后验推理和离散萤火虫群优化,提出一种面向ML-PMRF的智能推理方法。通过实例应用及对比实验,验证了所提方法的有效性和合理性。展开更多
Markov random fields(MRF) have potential for predicting and simulating petroleum reservoir facies more accurately from sample data such as logging, core data and seismic data because they can incorporate interclass re...Markov random fields(MRF) have potential for predicting and simulating petroleum reservoir facies more accurately from sample data such as logging, core data and seismic data because they can incorporate interclass relationships. While, many relative studies were based on Markov chain, not MRF, and using Markov chain model for 3D reservoir stochastic simulation has always been the difficulty in reservoir stochastic simulation. MRF was proposed to simulate type variables(for example lithofacies) in this work. Firstly, a Gibbs distribution was proposed to characterize reservoir heterogeneity for building 3-D(three-dimensional) MRF. Secondly, maximum likelihood approaches of model parameters on well data and training image were considered. Compared with the simulation results of MC(Markov chain), the MRF can better reflect the spatial distribution characteristics of sand body.展开更多
定义在单一空间分辨率上的树结构马尔可夫场(Tree-Structured Markov Random Field,TS-MRF)模型能够表达图像的分层结构信息,但难以描述图像的非平稳性.针对该问题,提出小波域的TS-MRF图像建模方法—WTS-MRF模型.按照图像分类层次树的...定义在单一空间分辨率上的树结构马尔可夫场(Tree-Structured Markov Random Field,TS-MRF)模型能够表达图像的分层结构信息,但难以描述图像的非平稳性.针对该问题,提出小波域的TS-MRF图像建模方法—WTS-MRF模型.按照图像分类层次树的结构形式,该模型将一系列的MRF嵌套定义在多分辨率的小波域中:每一个树节点对应于定义在不同分辨率上的一个MRF集合,并通过条件概率的形式将相邻分辨率上的MRF间的作用关系考虑进来;同时相同分辨率的父子节点对应的MRF通过区域约束嵌套定义.基于WTS-MRF模型,给出了一个监督图像分割的递归算法,通过给定的分类层次树表示先验信息,并通过训练数据给出叶子节点在各分辨率上的统计参数.它在尺度内和尺度间两个层次上进行递归:首先,在最低分辨率上执行尺度内递归,即采用ICM算法从树的根节点到叶子节点依次对MRF进行递归估计;然后执行尺度间递归,即在相邻的更高分辨率尺度上,通过直接投影的方式依次获取每一MRF的初始估计,并采用ICM算法递归优化;最后,原始分辨率的MRF估计完成,获取最终分割结果.两组实验从视觉效果和定量指标(整体分类正确率和Kappa系数)两个方面验证了算法的有效性.展开更多
为充分利用高光谱遥感影像中丰富的光谱和空间信息,提出了一种基于多核支持向量机(multiple kernel support vector machine,MKSVM)和马尔科夫随机场(markov random field,MRF)的影像分类方法。该方法首先利用MKSVM分类器对影像进行分...为充分利用高光谱遥感影像中丰富的光谱和空间信息,提出了一种基于多核支持向量机(multiple kernel support vector machine,MKSVM)和马尔科夫随机场(markov random field,MRF)的影像分类方法。该方法首先利用MKSVM分类器对影像进行分类处理,再利用MRF对初始分类结果进行空间结构规则化,得到最终分类结果。通过对AVIRIS高光谱影像的分类实验表明,该方法有效地消除了分类结果中同质区域内的"噪声",分类精度提高了3%左右。展开更多
各种干扰的存在使得高分辨率合成孔径雷达(synthetic aperture radar,SAR)图像道路网的提取变得异常困难。马尔可夫随机场(Markov random field,MRF)模型能够充分利用道路图像的上下文特征以及先验知识,在道路网提取中得到广泛应用,但...各种干扰的存在使得高分辨率合成孔径雷达(synthetic aperture radar,SAR)图像道路网的提取变得异常困难。马尔可夫随机场(Markov random field,MRF)模型能够充分利用道路图像的上下文特征以及先验知识,在道路网提取中得到广泛应用,但存在求解过程偏慢及参数设置偏多问题。首先根据道路空间几何特征关系对提取出的线基元进行预连接,以此减少虚假连接给MRF迭代求解带来的运算量;然后建立MRF道路网改进模型对道路网进行快速标记。使用1m机载高分辨率SAR图像进行实验,结果验证了该方法的有效性。展开更多
针对彩色图像分割问题,研究Markov随机场(Markov random fields,MRF)模型内迭代条件模式(Iterative conditional mode,ICM)方法的标记推理策略.通过小波分解构造图像多尺度表达,针对顶层图像先验标记获取问题,改进原始谱聚类算法,通过...针对彩色图像分割问题,研究Markov随机场(Markov random fields,MRF)模型内迭代条件模式(Iterative conditional mode,ICM)方法的标记推理策略.通过小波分解构造图像多尺度表达,针对顶层图像先验标记获取问题,改进原始谱聚类算法,通过近邻传播自动确定图像的聚类参数,运用集成学习提高算法的稳定性和准确度.对其他各尺度图像,通过分析尺度关联下的区域特征变化,结合不同尺度间的特征相似性和同一尺度内空间邻域的一致性,提出一种立体结构描述下的尺度–空间映射法则.通过定量和定性的分割实验,结果表明本文算法具有良好的准确性、鲁棒性和普适性.展开更多
基金supported by the Specialized Research Found for the Doctoral Program of Higher Education (20070699013)the Natural Science Foundation of Shaanxi Province (2006F05)the Aeronautical Science Foundation (05I53076)
文摘Traditional image segmentation methods based on MRF converge slowly and require pre-defined weight. These disadvantages are addressed, and a fast segmentation approach based on simple Markov random field （MRF） for SAR image is proposed. The approach is firstly used to perform coarse segmentation in blocks. Then the image is modeled with simple MRF and adaptive variable weighting forms are applied in homogeneous and heterogeneous regions. As a result, the convergent speed is accelerated while the segmentation results in homogeneous regions and boarders are improved. Simulations with synthetic and real SAR images demonstrate the effectiveness of the proposed approach.
文摘为保证复杂仿真系统达到可信度要求和缩短开发周期,应在构建复杂仿真系统之初确定各个仿真子系统的可信度。为此,提出一种复杂仿真系统可信度智能分配方法,在明确复杂仿真系统总体可信度的情况下获取各仿真子系统的可信度分配结果。根据复杂仿真系统的组成和结构,提出基于多层成对马尔可夫随机场(multi-layer pairwise Markov random field,ML-PMRF)的复杂仿真系统可信度分配模型构建方法。基于最大后验推理和离散萤火虫群优化,提出一种面向ML-PMRF的智能推理方法。通过实例应用及对比实验,验证了所提方法的有效性和合理性。
基金Project(2011ZX05002-005-006)supported by the National "Twelveth Five Year" Science and Technology Major Research Program,China
文摘Markov random fields(MRF) have potential for predicting and simulating petroleum reservoir facies more accurately from sample data such as logging, core data and seismic data because they can incorporate interclass relationships. While, many relative studies were based on Markov chain, not MRF, and using Markov chain model for 3D reservoir stochastic simulation has always been the difficulty in reservoir stochastic simulation. MRF was proposed to simulate type variables(for example lithofacies) in this work. Firstly, a Gibbs distribution was proposed to characterize reservoir heterogeneity for building 3-D(three-dimensional) MRF. Secondly, maximum likelihood approaches of model parameters on well data and training image were considered. Compared with the simulation results of MC(Markov chain), the MRF can better reflect the spatial distribution characteristics of sand body.
文摘定义在单一空间分辨率上的树结构马尔可夫场(Tree-Structured Markov Random Field,TS-MRF)模型能够表达图像的分层结构信息,但难以描述图像的非平稳性.针对该问题,提出小波域的TS-MRF图像建模方法—WTS-MRF模型.按照图像分类层次树的结构形式,该模型将一系列的MRF嵌套定义在多分辨率的小波域中:每一个树节点对应于定义在不同分辨率上的一个MRF集合,并通过条件概率的形式将相邻分辨率上的MRF间的作用关系考虑进来;同时相同分辨率的父子节点对应的MRF通过区域约束嵌套定义.基于WTS-MRF模型,给出了一个监督图像分割的递归算法,通过给定的分类层次树表示先验信息,并通过训练数据给出叶子节点在各分辨率上的统计参数.它在尺度内和尺度间两个层次上进行递归:首先,在最低分辨率上执行尺度内递归,即采用ICM算法从树的根节点到叶子节点依次对MRF进行递归估计;然后执行尺度间递归,即在相邻的更高分辨率尺度上,通过直接投影的方式依次获取每一MRF的初始估计,并采用ICM算法递归优化;最后,原始分辨率的MRF估计完成,获取最终分割结果.两组实验从视觉效果和定量指标(整体分类正确率和Kappa系数)两个方面验证了算法的有效性.
文摘为充分利用高光谱遥感影像中丰富的光谱和空间信息,提出了一种基于多核支持向量机(multiple kernel support vector machine,MKSVM)和马尔科夫随机场(markov random field,MRF)的影像分类方法。该方法首先利用MKSVM分类器对影像进行分类处理,再利用MRF对初始分类结果进行空间结构规则化,得到最终分类结果。通过对AVIRIS高光谱影像的分类实验表明,该方法有效地消除了分类结果中同质区域内的"噪声",分类精度提高了3%左右。
文摘各种干扰的存在使得高分辨率合成孔径雷达(synthetic aperture radar,SAR)图像道路网的提取变得异常困难。马尔可夫随机场(Markov random field,MRF)模型能够充分利用道路图像的上下文特征以及先验知识,在道路网提取中得到广泛应用,但存在求解过程偏慢及参数设置偏多问题。首先根据道路空间几何特征关系对提取出的线基元进行预连接,以此减少虚假连接给MRF迭代求解带来的运算量;然后建立MRF道路网改进模型对道路网进行快速标记。使用1m机载高分辨率SAR图像进行实验,结果验证了该方法的有效性。
文摘针对彩色图像分割问题,研究Markov随机场(Markov random fields,MRF)模型内迭代条件模式(Iterative conditional mode,ICM)方法的标记推理策略.通过小波分解构造图像多尺度表达,针对顶层图像先验标记获取问题,改进原始谱聚类算法,通过近邻传播自动确定图像的聚类参数,运用集成学习提高算法的稳定性和准确度.对其他各尺度图像,通过分析尺度关联下的区域特征变化,结合不同尺度间的特征相似性和同一尺度内空间邻域的一致性,提出一种立体结构描述下的尺度–空间映射法则.通过定量和定性的分割实验,结果表明本文算法具有良好的准确性、鲁棒性和普适性.
