搜索资源列表
MRF
- 利用马尔可夫模型检测分割图像，获得MAP准则下的图像分割结果
FusionSegmentationAlgorithm
- 针对合成孔径雷达(SAR) 图像含有大量斑点噪声的特点,基于Contourlet 的多尺度、局部化、方向性和各向 异性等优点,并结合隐马尔科夫树( HMT) 模型和隐马尔科夫场(MRF) ,提出了一种基于Contourlet 域持续性和聚 集性的SAR 图像模糊融合分割算法。该算法有效捕获了Contourlet 子带的持续性和聚集性,并分别用HMT 和 MRF 来刻画,再依据模糊测度,将多尺度HMT 和MRF 有机融合,建立Contourlet 域HMT2MRF 融合模型,并导
MRF
- 基于MRF模型的变化检测算法仿真 MRF建模用于SAR去噪，再通过EM算法实现变化检测-MRF model-based change detection algorithm simulation
Shadow_3DMAP_MRF
- 提出一种用阴影流和三维马尔科夫随机场后验概率最大化方法运动阴影消除算法。-Present a novel approach of moving shadow elimination based on Shadow Flow and maximum a posteriori probability of 3D Markov Random Field(3D MAP-MRF).
human-detect-and-track-
- 为了检测红外图像序列中的运动人体，提出了一种基于最大后验概率 （MAP）-马尔可夫随机场（MRF）模型和亮度-距离联合直方图的人体实时检测 方法。该方法首先建立图像序列时空域联合的概率分布模型，采用基于 MAP-MRF 模型的前景检测方法得到可能为人体的感兴趣区域（ROI）。然后在以 ROI 中心点 为圆心的各个圆环域中统计其亮度信息，构建基于亮度-距离联合空间的分类特 征。最后，采用支持向量机（SVM）分类器对候选区域进行分类检测。不同红外 图像序列的实验结果均表明，本
MRF
- 提出了一种基于MAP的Markov随机场的图像融合方法-This paper proposes a method of Markov random field to classify the remote sensing images based on the maxi- mum a posteriori model
modDRF.pdf
- In this paper we present Discriminative Random Fields (DRF), a discrim- inative framework for the classification of natural image regions by incor- porating neighborhood spatial dependencies in the labels as well as the observed data. The proposed mo
MRF
- 利用MRF对显著性检测结果图进行优化,增强了显著性概率图整体效果。-Using MRF to optimize the results of the saliency detection, and enhance the overall effect of the probability map.