为了克服传统马尔可夫随机场模型在海洋溢油识别中对合成孔径雷达(Synthetic Aperture Radar,SAR)图像相干斑噪声高敏感性以及溢油边界识别模糊等问题,文章提出一种超像素尺度下边缘约束隐马尔可夫随机场(Hidden Markov Random Fields,H...为了克服传统马尔可夫随机场模型在海洋溢油识别中对合成孔径雷达(Synthetic Aperture Radar,SAR)图像相干斑噪声高敏感性以及溢油边界识别模糊等问题,文章提出一种超像素尺度下边缘约束隐马尔可夫随机场(Hidden Markov Random Fields,HMRF)的SAR图像溢油识别算法(Edge-Corrected HMRF at the Super-Pixel Scale,SE-HMRF)。利用简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)对SAR图像进行超像素分割,克服SAR图像中相干斑噪声的影响。为了提高溢油识别的准确性,在超像素分割基础上构建HMRF描述图像的空间关系,根据贝叶斯定理将溢油识别问题转化为能量函数最小化问题;为了克服SLIC对溢油边缘过分割或欠分割,将溢油边缘信息引入到能量函数中约束溢油识别结果。为了验证本文提出算法对溢油识别的准确性,选取Sentinel-1卫星SAR图像进行对比实验,本文提出算法溢油识别结果的Kappa系数和概率兰德指数分别达到0.951和0.954,全局一致性误差仅为0.024,定性评价与定量评价的结果均优于对比算法,说明文章提出算法能够在保持识别效率的同时获得准确的溢油识别结果。展开更多
传统模糊C均值(Fuzzy C-Means,FCM)聚类算法没有充分考虑图像中空间信息的约束作用,导致其对噪声比较敏感。为了改善上述问题,基于隐马尔科夫(Hidden Markov Random Field,HMRF)模型的模糊聚类算法被提出,该文将以遥感图像为研究数据,...传统模糊C均值(Fuzzy C-Means,FCM)聚类算法没有充分考虑图像中空间信息的约束作用,导致其对噪声比较敏感。为了改善上述问题,基于隐马尔科夫(Hidden Markov Random Field,HMRF)模型的模糊聚类算法被提出,该文将以遥感图像为研究数据,对该算法的分类结果进行定性评价。展开更多
针对高光谱图像应用最大后验概率(Maximum A Posteriori, MAP)超分重建后细节信息丢失严重问题,本文提出一种基于先验Huber马尔科夫随机场(Huber Markov Random Field, HMRF)模型的MAP分块超分辨率重建算法,以期提高图像超分重建质量。...针对高光谱图像应用最大后验概率(Maximum A Posteriori, MAP)超分重建后细节信息丢失严重问题,本文提出一种基于先验Huber马尔科夫随机场(Huber Markov Random Field, HMRF)模型的MAP分块超分辨率重建算法,以期提高图像超分重建质量。首先,利用主成分变换获取图像域的主要成分,在此基础上采用样条插值得到初始迭代图像;而后将初始图像域分为若干子块,在每个子块图像域上建立具有自适应阈值的HMRF模型,并结合子块图像域的保真项构建目标函数,采用梯度最快下降法求解此函数得到超分子块图像,将其重组,进而与插值后的次要成分图像相结合,最后应用主成分逆变换方法得到最终的高分辨率图像。为了验证本文算法的有效性与优越性,分别对模拟和真实图像采用本文方法和具有代表性的Tikhonov、总变分及传统HMRF模型超分重建方法进行实验对比,其中本文方法重建结果在峰值信噪比和结构相似性定量评价方面明显优于其他方法重建结果,在定性评价方面边缘结构及细节信息也更加明显,表明本文算法较为突出。展开更多
天山北坡是西北地区的重要水源涵养区及草原畜牧业基地,其积雪融水对生态系统维持、农业灌溉及城市供水至关重要。为解决MODIS积雪产品易受云层干扰而导致的数据缺失问题,论文通过扩展MODIS数据输入,以已有积雪数据共同识别为积雪或非...天山北坡是西北地区的重要水源涵养区及草原畜牧业基地,其积雪融水对生态系统维持、农业灌溉及城市供水至关重要。为解决MODIS积雪产品易受云层干扰而导致的数据缺失问题,论文通过扩展MODIS数据输入,以已有积雪数据共同识别为积雪或非积雪的像元为“真值”,采用随机森林、支持向量机及BP神经网络等机器学习算法,确定积雪识别最佳方案。结合多种数据协同去云方法与隐马尔可夫随机场(hidden Markov random field,HMRF)算法,对去云效果进行对比分析,并使用高分辨率Landsat数据对实验结果的准确性进行验证。研究表明:(1)随机森林模型在积雪二分类任务中的表现最佳,准确率达90.15%,精确率达91.95%;(2)多种数据协同去云方法可以取得较好效果,Kappa系数为0.729,但结合HMRF方法的去云效果最佳,总体精度达82.84%,生产者精度为88.46%,Kappa系数为0.795;(3)年均积雪天数、积雪覆盖天数与海拔之间关系、月均积雪覆盖率与年均积雪覆盖面积变化趋势均与已有数据保持较高一致性。研究结果表明该方法能够有效提升积雪监测精度与时空连续性,为天山北坡及相似地区的积雪监测、冰雪水资源评估和生态环境管理提供了可靠的技术支撑。展开更多
针对低阶马尔科夫随机场(Markov random field, MRF)模型难以有效表达自然图像中复杂的先验知识而造成误分割问题,提出一种基于多节点拓扑重叠测度高阶MRF模型(Higher-order MRF model with multi-node topological overlap measure, MT...针对低阶马尔科夫随机场(Markov random field, MRF)模型难以有效表达自然图像中复杂的先验知识而造成误分割问题,提出一种基于多节点拓扑重叠测度高阶MRF模型(Higher-order MRF model with multi-node topological overlap measure, MTOM-HMRF)的图像分割方法.首先,为描述图像局部区域内多像素蕴含的复杂空间拓扑结构信息,利用多节点拓扑重叠测度建立图像局部区域的高阶先验模型;其次,利用较大的局部区域包含更多的标签节点信息能力,基于Pairwise MRF模型建立基于局部区域的部分二阶Potts先验模型,提高分割模型的抗噪能力;再次,为有效描述观察图像场与其标签场的似然特征分布,研究利用局部区域内邻接像素的Hamming距离引入图像局部空间相关性,建立局部空间一致性约束的高斯混合分布;最后,基于MRF框架建立用于图像分割的多节点拓扑重叠测度高阶MRF模型,采用Gibbs采样算法对提出模型进行优化.实验结果表明,提出模型不仅能有效抵抗图像强噪声和复杂的纹理突变干扰,鲁棒性更好,而且具有更准确的图像分割结果.展开更多
文摘为了克服传统马尔可夫随机场模型在海洋溢油识别中对合成孔径雷达(Synthetic Aperture Radar,SAR)图像相干斑噪声高敏感性以及溢油边界识别模糊等问题,文章提出一种超像素尺度下边缘约束隐马尔可夫随机场(Hidden Markov Random Fields,HMRF)的SAR图像溢油识别算法(Edge-Corrected HMRF at the Super-Pixel Scale,SE-HMRF)。利用简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)对SAR图像进行超像素分割,克服SAR图像中相干斑噪声的影响。为了提高溢油识别的准确性,在超像素分割基础上构建HMRF描述图像的空间关系,根据贝叶斯定理将溢油识别问题转化为能量函数最小化问题;为了克服SLIC对溢油边缘过分割或欠分割,将溢油边缘信息引入到能量函数中约束溢油识别结果。为了验证本文提出算法对溢油识别的准确性,选取Sentinel-1卫星SAR图像进行对比实验,本文提出算法溢油识别结果的Kappa系数和概率兰德指数分别达到0.951和0.954,全局一致性误差仅为0.024,定性评价与定量评价的结果均优于对比算法,说明文章提出算法能够在保持识别效率的同时获得准确的溢油识别结果。
文摘传统模糊C均值(Fuzzy C-Means,FCM)聚类算法没有充分考虑图像中空间信息的约束作用,导致其对噪声比较敏感。为了改善上述问题,基于隐马尔科夫(Hidden Markov Random Field,HMRF)模型的模糊聚类算法被提出,该文将以遥感图像为研究数据,对该算法的分类结果进行定性评价。
文摘针对高光谱图像应用最大后验概率(Maximum A Posteriori, MAP)超分重建后细节信息丢失严重问题,本文提出一种基于先验Huber马尔科夫随机场(Huber Markov Random Field, HMRF)模型的MAP分块超分辨率重建算法,以期提高图像超分重建质量。首先,利用主成分变换获取图像域的主要成分,在此基础上采用样条插值得到初始迭代图像;而后将初始图像域分为若干子块,在每个子块图像域上建立具有自适应阈值的HMRF模型,并结合子块图像域的保真项构建目标函数,采用梯度最快下降法求解此函数得到超分子块图像,将其重组,进而与插值后的次要成分图像相结合,最后应用主成分逆变换方法得到最终的高分辨率图像。为了验证本文算法的有效性与优越性,分别对模拟和真实图像采用本文方法和具有代表性的Tikhonov、总变分及传统HMRF模型超分重建方法进行实验对比,其中本文方法重建结果在峰值信噪比和结构相似性定量评价方面明显优于其他方法重建结果,在定性评价方面边缘结构及细节信息也更加明显,表明本文算法较为突出。
文摘天山北坡是西北地区的重要水源涵养区及草原畜牧业基地,其积雪融水对生态系统维持、农业灌溉及城市供水至关重要。为解决MODIS积雪产品易受云层干扰而导致的数据缺失问题,论文通过扩展MODIS数据输入,以已有积雪数据共同识别为积雪或非积雪的像元为“真值”,采用随机森林、支持向量机及BP神经网络等机器学习算法,确定积雪识别最佳方案。结合多种数据协同去云方法与隐马尔可夫随机场(hidden Markov random field,HMRF)算法,对去云效果进行对比分析,并使用高分辨率Landsat数据对实验结果的准确性进行验证。研究表明:(1)随机森林模型在积雪二分类任务中的表现最佳,准确率达90.15%,精确率达91.95%;(2)多种数据协同去云方法可以取得较好效果,Kappa系数为0.729,但结合HMRF方法的去云效果最佳,总体精度达82.84%,生产者精度为88.46%,Kappa系数为0.795;(3)年均积雪天数、积雪覆盖天数与海拔之间关系、月均积雪覆盖率与年均积雪覆盖面积变化趋势均与已有数据保持较高一致性。研究结果表明该方法能够有效提升积雪监测精度与时空连续性,为天山北坡及相似地区的积雪监测、冰雪水资源评估和生态环境管理提供了可靠的技术支撑。
文摘针对低阶马尔科夫随机场(Markov random field, MRF)模型难以有效表达自然图像中复杂的先验知识而造成误分割问题,提出一种基于多节点拓扑重叠测度高阶MRF模型(Higher-order MRF model with multi-node topological overlap measure, MTOM-HMRF)的图像分割方法.首先,为描述图像局部区域内多像素蕴含的复杂空间拓扑结构信息,利用多节点拓扑重叠测度建立图像局部区域的高阶先验模型;其次,利用较大的局部区域包含更多的标签节点信息能力,基于Pairwise MRF模型建立基于局部区域的部分二阶Potts先验模型,提高分割模型的抗噪能力;再次,为有效描述观察图像场与其标签场的似然特征分布,研究利用局部区域内邻接像素的Hamming距离引入图像局部空间相关性,建立局部空间一致性约束的高斯混合分布;最后,基于MRF框架建立用于图像分割的多节点拓扑重叠测度高阶MRF模型,采用Gibbs采样算法对提出模型进行优化.实验结果表明,提出模型不仅能有效抵抗图像强噪声和复杂的纹理突变干扰,鲁棒性更好,而且具有更准确的图像分割结果.
文摘颈动脉的内中膜厚度(IMT)是预测心血管疾病(CVDs)病发程度的重要指标.本文研究并提出一种自动、高效的计算机辅助IMT测量算法,该算法依据先验知识自动提取感兴趣区域(ROI),并采用基于隐马尔可夫随机场(HMRF)模型改进的模糊C均值(FCM)算法分割图像,实现IMT的自动测量.实验结果表明,所提算法对超声图像噪声的鲁棒性较强,IMT自动测量结果与真实值(GT)有很高的一致性:两个数据集合的相关系数为98.52%,平均绝对误差为0.022 0?0.016 4 mm.
