基于MRF模型的圖像聚類與檢索研究.pdf

1、圖像聚類與檢索作為計算機視覺領域中高層語義理解層面下的兩大研究方向具有廣泛的應用價值。其主要研究方向集中于如何形成合理的圖像特征表達和設計優(yōu)化的推理求解算法。使用MRF模型進行圖像建模表達,通過運用統(tǒng)計學習思想,利用概率分布形式描述元素間相互作用,可有效地刻畫出圖像空間依賴關系,相比于傳統(tǒng)判別模型,降低了圖像理解的模糊性和二義性。該類模型通過將推理任務等價轉化為能量最小化問題,提供了廣泛的優(yōu)化求解算法。本文以圖像聚類和檢索這兩大任務為驅

2、動,重點研究MRF模型下的ICM和圖切割兩種離散優(yōu)化算法的有效求解過程,主要工作如下:
　　(1)分析并總結了MRF模型在圖像處理相關領域的研究現(xiàn)狀,引出MRF模型應用于圖像聚類和檢索任務中的重要意義和價值。
　　(2)概述了MRF基礎理論,給出能量函數(shù)基本定義及最大后驗概率求解框架,重點分析ICM和圖切割優(yōu)化算法求解原理。
　　(3)針對傳統(tǒng)聚類方法缺乏圖像空間關系的特點,研究提出一種基于MRF模型的圖像聚類方法,將