计算机视觉中的Markov随机场方法
陆明俊; 王润生
国防科技大学ATR国家实验室 长沙 410073
MARKOV RANDOM FIELD METHODOLOGY IN COMPUTER VISION
Lu Mingjun;Wang Runsheng
ATR National Lab, National University of Defence Technology, Changsha 410073
摘要 Markov随机场方法是计算机视觉中一个引人注目的新研究方向。该文论述了基于Markov随机场模型的分析框架和有关文献，评述了用于图像分割和复原的分析方法，探讨了它的发展动向。
关键词 ：
Markov随机场 ,
计算机视觉
Abstract ：Markov random field methodology is a new noticeable research field in computer vision. In this paper, a general analysis framework and relative references of MRF modelbased methodology are presented, the approaches for image segmentation and restoration are reviewed, and a few possible trends are discussed as well.
Key words ：
Markov random field
Computer vision
收稿日期: 1999-02-11
[1]
丰明坤,赵生妹, 邢超. 基于视觉显著失真度的图像质量自适应评价方法
[2]
吴泽民,刘涛,姜青竹,胡磊. 视频编码参数对目标识别性能影响的研究
[3]
程帅,曹永刚,孙俊喜,赵立荣,刘广文,韩广良. 基于增强群跟踪器和深度学习的目标跟踪
[4]
张宝龙, 李洪蕊, 李丹, 戴凤智. 一种针对车载全景系统的图像拼接算法的仿真
[5]
齐苑辰, 吴成东, 陈东岳, 陆云松. 基于稀疏表达的超像素跟踪算法
[6]
黄宏图, 毕笃彦, 查宇飞, 高山, 覃兵. 基于笛卡尔乘积字典的稀疏编码跟踪算法
[7]
庄哲民, 章聪友, 杨金耀, 李芬兰. 基于灰度特征和自适应阈值的虚拟背景提取研究
[8]
蒋寓文, 谭乐怡, 王守觉. 选择性背景优先的显著性检测模型
[9]
张超, 吴小培, 吕钊. 基于独立分量分析的运动目标检测算法中对通道数选择和观测向量生成方式的实验和分析
[10]
杜宇宁, 艾海舟. 基于统计推断的行人再识别算法
[11]
高洪波, 王洪玉, 刘晓凯. 一种基于分层学习的关键点匹配算法
[12]
张 菁;沈兰荪; 高静静. 基于视觉注意模型和进化规划的感兴趣区检测方法
[13]
岳思聪; 赵荣椿; 郑江滨. 基于多尺度边缘响应函数的自适应阈值边缘检测算法
[14]
吴一戎;李广云; 王保丰;黄桂平;王卫延; 彭海良; 范生宏; 洪隆昌. 单台相机机载InSAR基线动态测量方法研究
[15]
云日升;彭海良;王彦平. 相关系数图分类及其在干涉SAR二维相位展开中的应用
2000, Vol. 22 
