空间关系约束的贝叶斯非参数模型及在图像处理中的应用

发布时间：2024-05-21 05:58

　　模型选择问题是目前计算机视觉、图像处理、机器学习领域中的经典难题之一。模型选择问题中的模型数量的选择是重要的方面。相同问题,选择不同的模型数量就会有不同的分类结果。对于统计特征比较明显且稳定的数据,可以采用人工的方式指定类别数,后续的聚类算法便可以通过计算得到效果良好的分类结果。贝叶斯非参数模型具有对输入数据非参数无监督自动聚类效应,通过对给定数据的建模完成对输入数据的动态模型选择,在近几年的计算机视觉、机器学习领域受到研究人员关注。狄利克雷过程(Dirichlet Process)通常结合空间关系模型进行研究,其中最具代表性的是随机场与狄利克雷过程的结合。i HMRF(infinite Hidden Markov Random Fields)模型与MRF-DPMM(Markov Random Field-Dirichlet Process Mixture Model)模型是随机场与狄利克雷过程结合比较经典的模型。前者通过狄利克雷过程的stick-breaking构造的离散概率作为随机场的外场,作为非参数先验,与原来的利用均值场近似进行模型构建不同,本文的首先提出了以DPMM模型作为随...

【文章页数】：95 页

【学位级别】：博士

【文章目录】：
abstract of thesis
引言
    0.1 模型选择概述
    0.2 模型选择问题的研究现状分析
    0.3 贝叶斯非参数模型
    0.4 本文研究内容及章节安排
1 贝叶斯非参数模型
    1.1 高斯混合模型
    1.2 狄利克雷分布
    1.3 狄利克雷分布的无限采样方法
    1.4 狄利克雷过程
        1.4.1 狄利克雷过程的无限采样算法
        1.4.2 狄利克雷过程混合模型
        1.4.3 狄利克雷过程高斯混合模型
    1.5 模型选择实验
    1.6 本章小结
2 非参数马尔可夫随机场模型及推断
    2.1 随机场模型
        2.1.1 马尔可夫随机场
        2.1.2 隐马尔可夫随机场
    2.2 无限态隐马尔可夫随机场及推断
    2.3 iHMRF模型的图像分割实验
    2.4 本章小结
3 无限态随机场模型的Swendsen-Wang割采样
    3.1 马尔可夫随机场约束的狄利克雷过程模型
    3.2 基于Swendsen-Wang割采样求解模型
        3.2.1 Gibbs采样
        3.2.2 基于Swendsen-Wang割算法推断
    3.3 DPMM-MRF模型的SWC采样的图像分割实验
    3.4 本章小结
4 分层非参数马尔可夫随机场模型及其推断型
    4.1 空间距离依赖的中餐馆过程模型
    4.2 分层非参数马尔可夫随机场模型
    4.3 分层非参数马尔可夫随机场模型的推断
    4.4 HNMRF模型的图像分割实验
    4.5 各模型的分析与比较
    4.6 HNMRF模型与深度学习的比较分析
    4.7 本章小结
5 HNMRF的应用:MRI图像分割
    5.1 MRI成像简介
    5.2 MRI图像分割方法
    5.3 HNMRF分割MRI图像
    5.4 MRI图像分割结果及分析
    5.5 本章小结
6 结论与展望
参考文献
在学研究成果
致谢
论文摘要



本文编号：3979703