2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、MRF(Markov Random Field,馬爾可大隨機(jī)場)理論已經(jīng)被廣泛地應(yīng)用于計(jì)算機(jī)視覺及圖像處理領(lǐng)域中,它提供了方便而直接的方法,以概率米描述圖像像素之間的空間相關(guān)的特性,MRF與Gibbs(古布斯)分布的等價(jià)性的提出,推廣了其在數(shù)字圖像處理中的應(yīng)用。圖像分割是數(shù)字圖象分析中的重要環(huán)節(jié),基于MRF的圖像分割方法采用MRF模型為基本模型,并使用MAP(Maximum A Posterior,最大后驗(yàn)概率)這一優(yōu)化準(zhǔn)則米搜尋優(yōu)化解

2、,應(yīng)用MAP準(zhǔn)則可以將圖像的先驗(yàn)分布利數(shù)據(jù)的條件分布(似然分布)結(jié)合起來。這樣將MRF模型與MAP準(zhǔn)則結(jié)合在一起形成了解決問題的特定的MAP-MRF框架(本文提出的算法皆源于該體系結(jié)構(gòu))。 本文主要研究利總結(jié)了MRF的一些有用的模型形式,如,MLL(Multilevel Logistic Model)模型,分層MRF模型,F(xiàn)RAME(Filter,Random Fields,and Maximum Entropy)模型等;重點(diǎn)對

3、基于MRF-MAP框架求解目標(biāo)能鼙函數(shù)的局部利全局最優(yōu)化算法進(jìn)行探索研究。 1.對基T-MRF的圖像分割的局部最優(yōu)算法,如,ICM(Iterated Conditional Mode)算法,RL(Relaxation Labeling)、HCF(Highest Confidence First)算法進(jìn)行了理論和實(shí)驗(yàn)的研究分析,并且對HCF算法加以改進(jìn)。通過實(shí)驗(yàn)可以得出:ICM與HCF算法能快速收斂得出局部能量極小值解,但卻很大程

4、度上依賴于初始分割。從分割性能上分析,ICM算法的分割結(jié)果中會山現(xiàn)一些不連續(xù)區(qū)域,而RL算法缺乏細(xì)節(jié)辨識能力。并且,改進(jìn)后的HCF算法的分割效果要優(yōu)于ICM和RL算法。最后,還給出了這三個算法對于三種不同類型的圖像進(jìn)行分割的性能排序和它們的適用范圍。 2.對分割的全局最優(yōu)求解方法,重點(diǎn)對經(jīng)典的模擬退火算法,SA(Simulated annealing),進(jìn)行了原理及應(yīng)用研究;提出了動態(tài)參數(shù)方法,對原有的SA算法進(jìn)行了改進(jìn),并將分

5、割結(jié)果與其他算法進(jìn)行了比較分析。改進(jìn)后的SA方法,在迭代計(jì)算過程中動態(tài)修改系數(shù)參數(shù),加快原有的收斂過程,可以有效地分割被噪聲污染的圖象,在計(jì)算速度和全局收斂性上都有較好的表現(xiàn)。同時本文也對退火思想利局部優(yōu)化算法相結(jié)合的算法進(jìn)行了相關(guān)方面的研究。 3.利用MRF-MAP框架方法實(shí)現(xiàn)圖像的分割,不僅最后分削效果比較好,而且還可以綜合吸收其他有益算法和理論,具有可伸縮性,可以滿足特定的分割需求。同時,本義也對利用MRF模型解決圖像分割

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論