马尔可夫随机场(Markov random fields) 概率无向图模型 马尔科夫网(Markov network)

上面两篇博客,解释了概率有向图(贝叶斯网),和用其解释条件独立。本篇将研究马尔可夫随机场(Markov random fields),也叫无向图模型,或称为马尔科夫网(Markov network)

马尔可夫随机场(Markov random fields) 概率无向图模型 马尔科夫网(Markov network)

下面附上,上述实验的matlab代码。没有插入matlab选项,大家复制到matlab里面看吧。下次我用python实现吧

% PRML image de-noising
clc;
clear;
close all;
A=imread('a.jpg');%读入名字为a.jpg的图片
imshow(A);
M=;
N=;%把图片处理一下大小
A=imresize(A,[M,N]);
X = rgb2gray(A); for i=:M%%二值化图像,要根据实验图像来改天阈值,本实验阈值为200
for j=:N
if(X(i,j)<)%200为阈值,请您根据实际实验图片改变
X(i,j)=;
else
X(i,j)=;
end end
end
Y=X%把原图X保存在Y里
imshow(X)%显示X
for i=:M%这两个for循环是改变二值化图像10%点的值。
for j=:N
if(rand()<0.1)%以百分之10的概率进行改变
if(Y(i,j)==)
% Y(i,j)=;
Y(i,j)=;
else
Y(i,j)=;
end
end
end
end
figure;
imshow(Y);%显示带有噪声的图像 YY=zeros(M,N)
for i=:M%把{,}转换为{-,+}
for j=:N if Y(i,j)==
YY(i,j)=;
else
YY(i,j)=-;
end end
end %参数设置
beta=1.0;
yita=2.1;
h=;
%step1
R=YY; %R是要逼近X的图像,YY是噪声图像 %step2
Change=
while Change %系统扫描法,可以试试随机选点法的效果
Change=;
for i=:M-
for j=:N-
temp=R(i,j);
%若这个点状态为+,计算这一点的能量。
%解释一下为什么是2*beta..因为这个点不仅影响自己的能量函数,也影响了周围四个点的能量函数。
%所以-*beta=-beat*(..)-beat*(...).第一项相当于它自己的能量函数,第二项相当于周围能量函数的一部分。
%R(i,j)不会对其他点的能量造成影响,所以只考虑(i,j)点的能量与其组成团的点的部分能量函数即可。
R(i,j)=;
Epos=h*R(i,j)-*beta*(R(i+,j)*R(i,j)+R(i-,j)*R(i,j)+R(i,j+)*R(i,j)+R(i,j-)*R(i,j))-yita*R(i,j)*YY(i,j);
R(i,j)=-;
Eneg=h*R(i,j)-*beta*(R(i+,j)*R(i,j)+R(i-,j)*R(i,j)+R(i,j+)*R(i,j)+R(i,j-)*R(i,j))-yita*R(i,j)*YY(i,j);
if Epos~=Eneg
R(i,j)=1.0*(Epos<Eneg)+(Epos>Eneg)*-1.0;
else
R(i,j)=temp;
end
if temp~=R(i,j)
Change=;%若有变化则继续while1的系统扫描,若每个点都没有改变则结束程序
end
end
end
end for i=:M
for j=:N
if(R(i,j)==)
Y(i,j)=;
else
Y(i,j)=;
end
end
end
figure;
imshow(Y)
%错误的概率
disp( ['error rate is %d ' num2str(sum(sum(Y~=X))/(M*N))])

参考文献:

本blog参考书籍(PRML8.3节)

ICM算法参考(Kittler and Foglein,1984)

本人水平有限,怀着分享学习的态度发表此文,欢迎大家批评,交流。感谢您的阅读。
欢迎转载本文,转载时请附上本文地址:http://www.cnblogs.com/Dzhouqi/p/3207601.html
另外:欢迎访问我的博客 http://www.cnblogs.com/Dzhouqi/

上一篇:Django框架之模板基础,静态文件配置


下一篇:PHP漏洞全解(四)-xss跨站脚本攻击