Implementation and Performance Analysis of Markov random Field With the impact of the conditional mode (ICM)

چکیده مقاله

حذف نویز از تصاویر هنوز هم یک چالش اساسی برای مهندسان میباشد. چندین الگوریتم مختلف بررای حذف نویز ارائه شده است که هر یک دارای مزایا و معایبی میباشد، الگوریتم مارکوف تصادفی n بعردی است که در شبکه به صورت مجزا تعریف میشود. به طور خاص هر گره در گراف نشان دهنده یک متغیرر  تصادفی است و شاخه ها )کمان( وابستگی های احتمالاتی بین متغیرها را نشان می دهند. ایرن وابسرتگی های شرطی غالبا به وسیله روش های آماری و احتمالاتی مشخص ارزیابی می شوند. شربکه هرای بیرزین اصولی از نظریه گراف، نظریه احتمالات، علوم کامپیوتر و آمار را با هم ترکیب میکنند. یکی از مسائلی که توجه خود را در پردازش تصاویر سیگنال معطوف نمروده اسرت، مدلسرازی سریگنال اسرت. انتخرا هرای مختلفی برای مدل کردن تصاویر و خصوصیات آن وجود دارد. از یک دیدگاه مدلهای حذف نویز است کره به دو دسته مدلهای معین 1 و مدلهای آماری 2 تقسیم بندی میشود. الگوریتم مرارکوف تصرادفی یکری از نظریه های است که برای احتمال مورد استفاده قرار میگیرد. در این مقاله ارائه ایرده ای نسربتا جدیردی برای حذف نویز از تصاویر میباشد .همچنین، یک روشی رای حذف نرویز از تصرویر برا اسرتفاده از مردل ICM )تأثیری شرطی حالت ( 3 است، این روش مدلی از الگوریتم مارکوف تصادفی معرفری مری شرود . بره طور کلی مدل های گرافیکی با شاخه های بدون جهت، میدان هرای تصرادفی مرارکوف یرا شربکه هرای مارکوف نامیده می شوند. این شبکه ها یک تعریف ساده برای استقلال بین متغیرها بر مبنای مفهوم لایره مارکوف فراهم میکنند. شبکه های مارکوف در زمینه هایی نظیر فیزیک آماری و بینایی کرامپیوتر بسریار مشهور هستند.

دریافت لینک دانلود مقاله