马尔可夫与链 马尔可夫随机场 .ppt

马尔可夫链 马尔可夫随机场 概述 马尔可夫过程 马尔可夫链 标记问题 IV. 马尔可夫随机场 马尔可夫过程 时间：tn 状态：xn 即为过程X(tn)的所有可能取值 状态空间：I={x1 ,x2 ,……xn-1 ,xn } 马尔可夫过程具有如下属性（马尔可夫性） 马尔可夫过程分类 马尔可夫链 马尔可夫序列 纯不连续马尔可夫过程 连续马尔可夫过程 马尔可夫链 马尔可夫链 离散的时间对应离散的状态 状态空间 I={i1 ,i2 ,……in-1 ,in} n时刻Xn的概率分布向量 P{Xn = i} P{Xn = j | Xn-1= in-1} 一步转移概率 齐次马尔可夫链 齐次马尔可夫链: 如果转移概率与所处的时刻n无关: ? Pij ≡ P{Xn = j | Xn-1= i } 例子 晴天 阴天 下雨 晴天 0.50 0.25 0.25 阴天 0.375 0.25 0.375 下雨 0 0 1 分 析 初始分布: 假设第一天出现三种天 气的概率相等P0=( ) 2. Pij :表示天气从状态i转到j的概率 转移概率矩阵 状态转移图 1 2 3 0.5 0.25 第四天天气概率分布 如果An趋向于定值, 马氏链具有稳定状态 基本定义 路径： 经过一系列的转变状态i可以到状态j ? 可达： 两状态间有一条路径 ? 连通 ： 两状态间互连 吸收态：只能出去不能进来 不可约链：处处连通 隐马尔可夫模型 Markov链 （?, A） 随机过程 （B） 状态序列 观察值序列 q1, q2, ..., qT o1, o2, ..., oT HMM的组成示意图 总述 ? 状态和时间的概念 ? 当前状态是一个向量P(k) 转移概率矩阵A P(k+1) = P(k)*A 吸收状态 标 记 问 题 映射 集合S＝{1,2,……，m} 集合L＝{l1 ，,l2 ，…… ，ln} 映射 S－ L 扩展 S={(i,j)|1≤i，j≤ n} 图形学中标记的应用 格局（Configuration） 图像切割 L={edge, non-edge} 图像的各个像素值的概率分布 P(X)＝P(X1＝i1，X2＝i2，……Xn＝in) 马尔可夫随机场 马尔可夫性的拓展 马尔可夫双向性 P {fi | ……，fi-2,fi-1,fi+1,fi+2……} = P {fi | fi-n,……fi-1,fi+1,……fi＋n} 时间－ 空间 P (fi | f s-{i}) = P (fi | fNi) D C X A B X * * * * * * * * X 2 1 2 1 1 1 2 2 3 3 3 3 邻 域 系 统 5 5 4 4 4 5 4 4 4 4 5 4 1-order 2-order 集簇(cliques): C1 = { i } C2 = { i, i’} C3 = { i, i’ , i’’ } 问题的根源－贝叶斯估计 X 为现有图像 P(X)? Y 为目标图像 P(Y)? 应用 去除噪音 图像切割 A state-of-the-art image segmentation algorithm (S.-C. Zhu) Input Segmentation Synthesis from model I ~ p( I | W*) * * These results only show the optimal result compu