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(jì)算機(jī)視覺(jué)領(lǐng)域中高層語(yǔ)義理解層面下的兩大研究方向具有廣泛的應(yīng)用價(jià)值。其主要研究方向集中于如何形成合理的圖像特征表達(dá)和設(shè)計(jì)優(yōu)化的推理求解算法。使用MRF模型進(jìn)行圖像建模表達(dá),通過(guò)運(yùn)用統(tǒng)計(jì)學(xué)習(xí)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(huà)出圖像空間依賴關(guān)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(guò)將推理任務(wù)等價(jià)轉(zhuǎn)化為能量最小化問(wèn)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(wù)為驅(qū)

2、動(dòng),重點(diǎn)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(guò)程,主要工作如下:
　　(1)分析并總結(jié)了MRF模型在圖像處理相關(guān)領(lǐng)域的研究現(xiàn)狀,引出MRF模型應(yīng)用于圖像聚類和檢索任務(wù)中的重要意義和價(jià)值。
　　(2)概述了MRF基礎(chǔ)理論,給出能量函數(shù)基本定義及最大后驗(yàn)概率求解框架,重點(diǎn)分析ICM和圖切割優(yōu)化算法求解原理。
　　(3)針對(duì)傳統(tǒng)聚類方法缺乏圖像空間關(guān)系的特點(diǎn),研究提出一種基于MRF模型的圖像聚類方法,將