Hierarchical non-parametric Markov random field for image segmentation
Hierarchical non-parametric Markov random field for image segmentation
复制标题
用于图像分割的分层非参数马尔可夫随机场
DOI：
10.1049/iet-cvi.2016.0429
复制
发表时间：
2017-08
影响因子：
1.7
通讯作者：
J. Zhao
中科院分区：
文献类型：
--
作者：
X. Wang;J. Zhao
马尔可夫随机场（mrf）在图像建模处理图像处理问题中发挥着重要作用。然而，在进一步提高性能的过程中，它们面临着模型选择的瓶颈。这很难自动决定图像中有多少物体。在贝叶斯非参数（BN）模型的激励下，提出了一种分层的BN MRF。提出的模型是分层的：较低的层次是一个类似随机场的模型，而较高的层次是一个中国餐馆过程（CRP）。聚类过程可以简单地表述如下。首先将输入数据与较低级的MRF聚类以形成一组组件。然后用更高水平的CRP将这些成分合并成更大的簇。在此基础上，采用了分合并蒙特卡洛马尔可夫链。对BSD500数据集和MSRC数据集的定量评估表明，所提出的模型在建模无监督距离依赖问题方面可与最先进的BN模型和其他图形模型相比较。
Markov random fields (MRFs) are prominent in modelling image to handle image processing problems. However, they confront the bottleneck of model selection in further improving the performance. That is difficult to decide how many objects in an image automatically. Motivated by Bayesian non-parametric (BN) models, a layered BN MRF is proposed. The proposed model is hierarchical: the lower level is a random-field like model, while the higher level is a Chinese restaurant process (CRP). The clustering procedure can be formulated briefly as follows. The input data is first clustered with the lower level MRF to form a set of components. Then the higher level CRP is used to merge the components into larger clusters. Furthermore, a split–merge Monte Carlo Markov chain is employed. Quantitative evaluations over BSD500 data set and MSRC data set show the proposed model is comparable to the state-of-the-art BN models and other graphical models in modelling unsupervised distance-dependent problems.
登录
查看更多内容
DOI：
--
发表时间：
2011-12
期刊：
--
影响因子：
--
作者：
S. Ghosh;Andrei Ungureanu;Erik B. Sudderth;D. Blei
通讯作者：
S. Ghosh;Andrei Ungureanu;Erik B. Sudderth;D. Blei
DOI：
--
发表时间：
2008
期刊：
--
影响因子：
--
作者：
X. Nguyen;A. Gelfand
通讯作者：
X. Nguyen;A. Gelfand
DOI：
10.1109/34.868688
发表时间：
2000-08-01
影响因子：
23.6
作者：
Shi, JB;Malik, J
通讯作者：
Malik, J
DOI：
10.1007/s11760-015-0817-x
发表时间：
2015-09
期刊：
Signal, Image and Video Processing
影响因子：
--
作者：
I. S. Topkaya;Hakan Erdogan;F. Porikli
通讯作者：
I. S. Topkaya;Hakan Erdogan;F. Porikli
DOI：
--
发表时间：
2010-10
期刊：
--
影响因子：
--
作者：
Han Xiao;T. Stibor
通讯作者：
Han Xiao;T. Stibor