基于区域确定的分层马尔可夫模型及其MPM算法

基于四叉树的分层马尔可夫随机场 (Markov random field, MRF) 模型在层间存在因果性, 不需要像非因果马尔可夫随机场模型那样的迭代算法, 但是传统的分层 MRF 模型常常导致分割结果具有块状现象和非连续边缘. 本文提出一种新的基于区域确定的半树分层 MRF 算法, 并推导出它的最大后验边缘概率 (Maximizer of the posteriori marginal, MPM) 算法. 在流域算法过分割结果的基础上, 该模型将层间的点概率转换为区域概率, 采用区域概率实现各层图像分割. 从 SAR 图像的监督分割实验结果来看, 本文提出的模型较好地克服了基于像素分层模型和单分辨率 MRF 模型带来的块现象和非连续边界, 因而具有更好的分割结果.     

一种分层马尔可夫图像模型及其推导算法

离散分层马尔可夫随机场(MRF)模型由于层间具有了因果性,因而其非迭代的推导算法比非因果的马尔可夫随机场模型的迭代算法复杂度低得多,结果更精确.针对图像分割问题中观测数据有限的情况,提出了一种新的基于离散分层MRF的半树模型,推导出了它的最大后验边缘概率(MPM)算法.半树模型不仅继承了一般分层模型快速、误分类少的优点,还避免了计算中遇到的数值下溢问题,减轻了分层模型带来的块现象,尤其适合大幅面图像的处理.     

对马尔可夫随机场特征级图像融合的改进

提出了一种基于MAP的Markov随机场的图像融合方法。将感兴趣区特征的均值与方差作为马尔可夫随机场的概率参数,选取合适的模型,根据优化算法快速求得MAP解,完成图像初始标记过程,根据最大后验概率模型,对图像进行特征层融合。通过两组遥感图像的实验,证明MAP-MRF模型在遥感图像特征层融合中,具有较目前常用方法更好的效果。     

基于融合分层条件随机场的道路分割模型

为了在道路检测中结合图像的多尺度特征以及点云的空间结构特征,使检测算法能有效地排除道路场景中的阴影、光线等干扰,本文提出一种基于融合分层条件随机场的图像和点云融合的道路分割模型．首先,利用Meanshift算法产生多个尺度的超像素分割,建立基于图像的多尺度分层条件随机场．将点云数据投影到图像平面,再建立基于点云的多尺度分层条件随机场．在条件随机场的像素层和点云层之间建立连接,构造多尺度的融合模型．然后,针对多尺度融合模型中图像层的每一层和点云层的每一层,分别提取对应尺度的图像特征或点云特征．每一层用梯度提升树算法根据提取的特征训练1个分类器,利用每一层的分类器得到对应层的数据项代价．最后,使用α扩张算法对融合模型进行联合优化求解．在KITTI Road数据集上的实验结果表明,该方法具有良好的道路检测性能．     

基于广义变分模型的自适应图像去噪算法

通过分析全变分(TV)去噪模型的优缺点,提出了一种新的改进算法。该算法根据最大后验概率(MAP)和马尔可夫随机场(MRF)的理论,推导出一个广义变分的图像去噪模型,并对平衡正则化项和数据保真项的Lagrange乘子λ进行了自适应改进,最后采用了一种鲁棒性好和边缘保持能力强的势函数,结合梯度加权最速下降法和半点格式的数值迭代算法对自适应的广义变分去噪模型寻优求解。实验结果表明,新模型能很好地应用于图像去噪,与现有的算法相比,在峰值信噪比有所提高的同时,图像的主观视觉效果也更好。     

马尔可夫随机场在低信噪比图像恢复中的应用

提出一种基于马尔可夫随机场的二值图像恢复算法。该算法在迭代计算中对ISING模型中耦合系数J动态修改,是一种求解最大后验概率（MAP）的随机松弛算法,该算法兼顾条件迭代（ICM）算法计算量少和模拟退火（SA）算法全局收敛的优点。利用该方法恢复被加性高斯噪声污染的低信噪比图像,取得良好的实验结果。     

基于MRF-MAP的运动矢量恢复差错掩盖算法

针对帧间编码模式下出现图像块丢失的情况,提出一种有效的时间域运动矢量恢复差错掩盖算法。把运动矢量场建模为高斯马尔科夫随机场,对丢失图像块的运动矢量采用最大后验概率方法恢复,其权值能够根据空间和时间信息而自适应选择。仿真结果表明,该算法在客观和主观上都能获得高质量的图像。     

基于Markov随机场模型的运动对象分割研究

本文探讨了一种基于高斯马尔可夫随机场(GMRF)模型的运动目标自动分割算法.该算法采用高斯混合分布描述视频序列的差分图像,对标准MAP算法进行了改进,使用快速方法计算后验边缘。首先对视频处理对象进行初始分割,获取初始运动数目以及相应的运动模型的初始参数,然后通过参数估计,不断更新模型参数,之后通过把每个运动区域和运动模型相关联,来同时估计多个运动区域,最终达到分割的目的.实验结果证明,本文所提的方法对运动目标分割具有较好的分割效果.     

基于马尔可夫随机场的单目图像深度估计

图像深度获取是机器视觉领域活跃的研究课题。将图像深度估计问题归结为模式识别问题,以单目图像深度为待分连续模式类,在多尺度下对图像块提取绝对和相对深度特征,选择表征上下文关系的MRF（Markov Random Field）-MAP（Maximum a posteriori）方法,建立拉普拉斯模型,表述某图像块的深度和其邻域深度之间的关系。实验得到了某一类单目图像对应的深度图像,证明了该算法的有效性。     

基于HMRF先验模型的超分辨率重建

针对基于最大后验概率(MAP)的超分辨率重建算法在重建图像过程中存在的问题,提出一种基于Huber-马尔可夫随机场(HMRF)先验模型的超分辨率重建方法,采用HMRF作为图像先验模型,对图像进行分段超分辨率重建。仿真实验结果表明,与传统的MAP算法相比,该方法能更好地保存重建图像的边缘细节,有效提高重建图像的质量。     

移动自组网中高效层次化一致性协议

提出移动自组网中高效的层次化一致性协议,其移动自组网系统模型中最多有f(f相似文献   

移动Ad Hoc网络混合检查点策略

考虑到移动Ad Hoc网络无固定中心节点、多跳路由和资源有限等特点,基于分簇移动Ad Hoc网络结构,提出了一种结合同步和异步检查点技术的混合检查点策略,即同簇终端检查点必须保持同步,而异簇终端检查点保持独立.首先讨论了混合检查点模型及其正确性准则.然后,基于簇内及簇间检查点依赖图,讨论了不同类型检查点清除规则.最后,给出了相应的检查点及回滚恢复算法,并证明了回滚恢复的正确性.所提出的混合检查点策略既能避免同簇进程级联回滚所引起的资源浪费、又能避免异簇终端之间过多跨簇消息传递及减少无线通信延迟.实验结果表明,与单纯的同步及异步检查点策略相比,所提出的检查点策略是一种综合考虑移动Ad Hoc网络各种资源约束的较好折中方案,且具有恢复时间短、对簇头依赖小、灵活性好等优点.     

基于Grover搜索思想的无线自组网络路由算法研究

无线自组网络是近年来无线网络研究的热点领域,路由算法设计作为无线自组网络的核心层技术而备受关注。在深入分析已有算法存在的诸多不足的基础上,本文提出了一种基于Grover搜索思想的无线自组网络路由算法。该算法首先分析了Grover算法的原理,给出了适合无线自组网络的概率扩散矩阵和解径矩阵的构造方式,然后在此基础上定义了概率计算公式计算每个节点的概率,通过选择高概率节点进行数据转发,从而减少网络计算量,使得路由尽快收敛。仿真结果表明:相比经典的DSR路由协议,该算法得到的路由跳数性能上接近最短跳数,但是建立路由过程中转发节点个数得以大大降低。     

改善移动Ad Hoc网络性能的路由策略

研究了阻碍移动Ad Hoc网络路由实现的根源,提出一种新的网络稳定性度量方法——瞬时稳态,进而提出双选节点的路由策略,并通过仿真验证此策略。     

移动Ad Hoc 网络安全策略研究

移动自组网是由一组带有无线收发装置的移动节点组成的无需固定设置支持的临时性的通信网络。由于移动AdHoe网络自身的脆弱性，其安全问题和安全策略正受到越来越广泛的重视。本文描述了移动AdHoe网络面临的开放链路，动态拓扑，有限资源等安全问题，并着重对应用在该网络上的安全策略进行分析研究和分类阐述。并给出一些密钥管理的改进策略。     

MANET与Internet互联时的增强型机制研究

已有的移动自组网与Internet的互联协议由于无法克服网关发现过程中的单向链路并且因盲目转播网关发现报文形成广播风暴等原因而致使性能严重恶化。该文提出了一种增强型的综合互联协议,该协议一方面采用效率较高的综合方式进行网关发现,另一方面则通过交换携带有对称邻居列表和非对称邻居列表的HELLO分组而有效克服了网关发现过程中的单向链路,同时抑制了广播风暴的形成。基于NS2的仿真结果显示该增强型的综合互联协议在不引入新控制分组的前提下能显著提升互联性能,降低互联开销。     

移动自组织网中的移动模型

移动模型对移动自组织网的仿真性能有重要影响.本文在总结当前移动模型研究状况的基础上,着重分析了两大类中共六种移动模型,对它们的移动方式、算法、特点和应用范围等作了较为详细的论述,对自组织网络的仿真研究和实际应用具有指导和借鉴意义.     

Ad Hoc移动网络多路径研究

在Ad Hoc移动网络中,由于结点的移动性,网络拓扑结构的易变性,路由成为研究的热点和难点。当前AdHoc路由协议一般都是单路径协议。然而由于多路径路由方式可以大大减少路由开销,提高数据传输率,减少网络拥塞,越来越多的研究表明,它将是未来Ad Hoc网络路由的主要方式。本文介绍了几种典型的多路径路由协议,并对这些多路径协议进行评价,对其性能进行比较,然后介绍多路径协议在QoS、能源和安全方面的应用,最后指出未来多路径研究的关键问题。     

一种MANET环境下基于兴趣度的协同缓存策略

MANET网络中由于节点移动的随机性和无线链路的断连性,导致网络拓扑变化频繁,从而降低了数据可访问能力.提出一种基于兴趣度的协同缓存策略(IBCC).其主要思想是:针对节点转发的数据请求消息,引入ω-稳定节点集定义和兴趣度概念,定期挖掘ω-稳定节点集中具有相同兴趣度的数据形成预取集;针对回复的数据消息形成数据定位表,通过查找数据定位表将请求发送给同样拥有该数据但路由跳数较少的节点.该策略提高了在出现链路断接时节点对数据的访问能力.仿真实验结果证明该策略的有效性.     

基于稳定分级结构的移动Ad Hoc网多播路由协议

分级结构适用于大规模移动Ad Hoc网络（MANET）,但是分级拓扑结构难以维持,并且MANET的移动性带来了结点通信的稳定性和通信开销问题。该文提出了MHSR协议以形成分级拓扑结构,并引入“逻辑代价”的概念,在此基础上寻找源结点和目的结点问“逻辑代价”总和最小的路径,以达到在网络稳定性得到充分保证的情况下降低通信开销的目的。