混合空间新型贝叶斯网络模型的图像分割应用研究
【出 处】:
【作 者】:
陈沅涛
刘煊赫
【摘 要】现有研究工作没有确定概率向量模型的混合部分比例,所以无法解决MCMC方法的迭代收敛性问题.在具有空间平滑约束的高斯混合模型GMM基础上提出新型贝叶斯网络模型并应用于图像分割领域.模型应用隐Dirichlet分布LDA的概率密度模型和Gauss-Markov随机域MRF的隐Dirichlet参数混合过程来实现参数平滑过程,具有如下优点:针对空间平滑约束规范概率向量模型比例;使用最大后验概率MAP和期望最大化算法EM完成闭合参数的更新操作过程.实验表明,本模型比其他应用GMM方法的图像分割效果好.该模型已成功应用到自然图像和有噪声干扰的自然艺术图像分割过程中.
相关热词搜索: 贝叶斯模型 隐Dirichlet分布 高斯混合模型 图像分割 期望最大化方法
上一篇: 实数型曲线描述子二值化研究
下一篇: 基于轨迹分析的行人异常行为识别