摘要:

针对显微视觉图像深度信息估计问题,提出了一种基于马尔可夫随机场的散焦特征参数模型;该模型将散焦特征深度信息的估计转化为能量函数的优化问题.应用迭代条件模式(Iterated Conditional Mode,ICM)算法进行优化,在ICM算法中应用最小二乘估计(LSE)算法对初始点参数进行估计,从而改进了ICM算法的性能,防止了其进入局部最优解.实验与仿真证实了该模型和算法的有效性和可行性.

摘要:

针对显微视觉图像深度信息估计问题,提出了一种基于马尔可夫随机场的散焦特征参数模型;该模型将散焦特征深度信息的估计转化为能量函数的优化问题.应用迭代条件模式(Iterated Conditional Mode,ICM)算法进行优化,在ICM算法中应用最小二乘估计(LSE)算法对初始点参数进行估计,从而改进了ICM算法的性能,防止了其进入局部最优解.实验与仿真证实了该模型和算法的有效性和可行性.

摘要:

针对传统的迭代条件模式(iterated conditional model,ICM)算法应用于遥感影像分割时容易出现离散斑块和孤立点的问题,提出了一种基于马尔科夫随机场(Markov random field,MRF)的改进ICM遥感影像分割算法.首先,在获取初始标记之前加入保边去噪效果良好的双边滤波器(bilateral filter,BF),用于遥感影像的预处理;并用多阈值最大类间方差法(Otsu)获取初始标记,以克服传统的初始标记获取算法中K-means聚类算法类别数不确定和算法复杂度不易控制以及错分现象明显等问题;然后,利用MRF描述像元的空间相关性,形成顾及上下文信息的ICM遥感影像分割算法.通过遥感影像数据分割实例验证,所提方法的分割精度优于传统的ICM算法.