马尔科夫网的概念、方法及其在图像处理中应用

被引:2
作者
曹建农
李德仁
关泽群
机构
[1] 西安建筑科技大学建筑学院,武汉大学遥感信息工程学院,武汉大学遥感信息工程学院西安武汉大学遥感信息工程学院,武汉,武汉武汉大学测绘遥感信息工程国家重点实验室,武汉,武汉
关键词
可分解马尔科夫网; 多波段遥感; 目标检测; 概率距离; 空间数据挖掘;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
研究可分解马尔科夫网(decomposab le M arkov network DMN)的概念、方法;分析它在空间数据挖掘中的作用与意义。与以往关于DMN的研究不同,本文直接将DMN的结构作为推理依据或应用于问题求解,扩大DMN概念和方法的应用范围。以多光谱遥感为例广泛研究以多种迹度量建立多波段遥感图像间的马尔科夫网,用以解释波段组合效果;以视频图像为例广泛研究以多种粒度(节点数)建立视频图像间的马尔科夫网,通过网络结构分析检测视频图像中的目标差异,用以定位和跟踪违章车辆。研究表明马尔科夫网可以很好地揭示空间数据间的抽象近邻关系,并且这种网络自身就具有表达知识的意义。
引用
收藏
页码:4 / 13
页数:10
相关论文
共 9 条
[1]   自动检测违章车辆的方法 [J].
曹建农 .
长安大学学报(自然科学版), 2005, (01) :64-68+100
[2]   基于知识发现的TM图像居民地自动提取研究 [J].
杨存建 ;
周成虎 .
遥感技术与应用, 2001, (01) :1-6
[3]   A 'microscopic' study of minimum entropy search in learning decomposable Markov networks [J].
Xiang, Y ;
Wong, SKM ;
Cercone, N .
MACHINE LEARNING, 1997, 26 (01) :65-92
[4]   LEARNING BAYESIAN NETWORKS - THE COMBINATION OF KNOWLEDGE AND STATISTICAL-DATA [J].
HECKERMAN, D ;
GEIGER, D ;
CHICKERING, DM .
MACHINE LEARNING, 1995, 20 (03) :197-243
[5]   A BAYESIAN METHOD FOR THE INDUCTION OF PROBABILISTIC NETWORKS FROM DATA [J].
COOPER, GF ;
HERSKOVITS, E .
MACHINE LEARNING, 1992, 9 (04) :309-347
[6]  
数据仓库技术与实现.[M].彭木根编著;.电子工业出版社.2002,
[7]  
智能优化算法及其应用.[M].王凌著;.清华大学出版社.2001,
[8]  
网络优化.[M].谢金星;邢文训编著;.清华大学出版社.2000,
[9]  
自补图理论及其应用.[M].许进著;.西安电子科技大学出版社.1999,