高斯馬爾科夫隨機場

馬爾科夫隨機場（MRF）模型是一種描述圖形結構的概率模型，是一種較好的描述紋理的方法。它是建立在MRF模型和Bayes估計的基礎上，按照統計決策和估計理論中的最優准則確定問題的解。其突出的特點是通過適當定義的鄰域系統引入結構信息，提供了一種一般用來表達空間上相關隨機變量之間相互作用的模型，由此所生成的參數可以描述紋理不同方向、不同形式的集聚特征，更符合人的感官認識。MRF模型及其應用主要有兩個分支：一種是采用與局部Markov性描述完全等價的Gibbs分布；另一種是假設滿足高斯分布，從而得到一個由空域像素灰度表示的差分方程，稱作高斯馬爾科夫隨機場模型。在實際應用中，GMRF的計算量相對較小，獲得了較為廣泛的應用。
參考文章