制造业自动化
製造業自動化
제조업자동화
MANUFACTURING AUTOMATION
2012年
12期
67-71
,共5页
神经网络%马尔科夫随机场%图像分割%贝叶斯框架
神經網絡%馬爾科伕隨機場%圖像分割%貝葉斯框架
신경망락%마이과부수궤장%도상분할%패협사광가
在Bayesian框架下利用MRF模型进行纹理分割时,简单的纹理特征概率模型(比如高斯模型)难以准确描述其分布特性而复杂的概率模型设计又非常困难,这极大地影响了分割的精度.针对这一问题,设计了一种能充分利用神经网络建模图像特征场的方法.基于该特征场建模方法,提出了一个监督方式的彩色纹理图像的分割算法.该算法在贝叶斯框架下进行,分别采用神经网络和Potts模型描述特征场和标记场的概率分布,并基于极大后验概率(MAP)准则获取分割结果.多幅彩色纹理图像的分割实验表明,该分割算法对彩色纹理图像比传统的ICM算法具有更好的分割性能.
在Bayesian框架下利用MRF模型進行紋理分割時,簡單的紋理特徵概率模型(比如高斯模型)難以準確描述其分佈特性而複雜的概率模型設計又非常睏難,這極大地影響瞭分割的精度.針對這一問題,設計瞭一種能充分利用神經網絡建模圖像特徵場的方法.基于該特徵場建模方法,提齣瞭一箇鑑督方式的綵色紋理圖像的分割算法.該算法在貝葉斯框架下進行,分彆採用神經網絡和Potts模型描述特徵場和標記場的概率分佈,併基于極大後驗概率(MAP)準則穫取分割結果.多幅綵色紋理圖像的分割實驗錶明,該分割算法對綵色紋理圖像比傳統的ICM算法具有更好的分割性能.
재Bayesian광가하이용MRF모형진행문리분할시,간단적문리특정개솔모형(비여고사모형)난이준학묘술기분포특성이복잡적개솔모형설계우비상곤난,저겁대지영향료분할적정도.침대저일문제,설계료일충능충분이용신경망락건모도상특정장적방법.기우해특정장건모방법,제출료일개감독방식적채색문리도상적분할산법.해산법재패협사광가하진행,분별채용신경망락화Potts모형묘술특정장화표기장적개솔분포,병기우겁대후험개솔(MAP)준칙획취분할결과.다폭채색문리도상적분할실험표명,해분할산법대채색문리도상비전통적ICM산법구유경호적분할성능.
