概率图模型介绍课件.pptVIP

概率图模型是一类用图形模式表达基于概率相关关系的模型的总称。目前在图像和视频智能信息处理领域已有应用，基本的概率图模型包括贝叶斯网络、马尔科夫网络和隐马儿科夫网络。遥感多/高光谱图象与视频图象的特点有很大的区别，我们的研究目标就是建立一套适合遥感图象处理的概率图模型理论。基本构想是用概率图来描述不同尺度“基元”（像元、体元、目标元等）及其“谱”（包括像元谱、基础要素谱和专题要素谱）特征之间形成的一种空间结构关系。实现“图-谱”的真正紧耦合，以便对海量遥感数据的快速、高效、准确的计算分析和解译。

高分辨率遥感图像处理高分辨率遥感数据提供了更加细致的“图-谱”信息，同时具备亚米级的空间分辨率以及纳米级的光谱分辨率高分遥感数据特点传统多/高光谱遥感信息处理方式一般是单纯从光谱特性或者从图像特征出发进行分析处理的，并没有将两者紧密的结合起来建立一种新的“图-谱”紧耦合的分析处理理论框架研究目标建立不同尺度“基元”及其“谱”特征形成的一种空间紧支结构关系研究策略构建不同层次、不同尺度的概率图模型研究手段

草坪光谱曲线跑道光谱曲线aviris的MoffettField高光谱图像光谱（50，27，17波段）的伪彩合成图

机场目标的主要构成为水泥地跑道、航站楼和草坪。草坪光谱曲线aviris的MoffettField高光谱图像光谱（50，27，17波段）的伪彩合成图跑道光谱曲线

分层概率图模型关系图专题要素谱概率图模型目标级基础要素谱谱概率图模型体元级像元级像元谱概率图模型

目标元目标元是由构成某种专题要素的不同体元组成，目标元之间的连线表达了目标之间的关系目标元体元体元体元由同类像元构成，体元之间的连线表示了体元之间的空间和谱关系体元体元像元像元像元像元像元像元之间的连线表示了像元之间的关系，这种关系既包括空间关系，又包括像元的光谱关系。像元像元像元像元像元像元像元像元不同基元之间关系图

贝叶斯基本框架问题描述观测?结论（分类或预测）贝叶斯规则先验概率似然函数观测后验概率第i类标准化因子

概率图基本理论节点表示随机变量/状态缺失的边代表条件独立假设–图结构表示分解（Thegraphstructureimpliesthedecomposition）有向概率图（贝叶斯网）无向图模型（马儿可夫随机域）

ProbabilityDistribution概率分布DefinitionofJointProbabilityDistributionCheck:

Representation表示Graphicalmodelsrepresentjointprobabilitydistributionsmoreeconomically,usingasetof“local”relationshipsamongvariables.用模式来表示合概率分布是的，利用了量之一“局部”关系。

UndirectedPGM(MRF)无向图模型（马儿可夫随机域）ProbabilityDistributionRepresentationImplementationConditionalIndependenceInterpretationQueries

ProbabilityDistribution(1)概率分布Clique–Acliqueofagraphisafully-connectedsubsetofnodes.–Localfunctionsshouldnotbedefinedondomainsofnodesthatextendbeyondtheboundariesofcliques.Maximalcliques–Themaximalcliquesofagrapharethecliquesthatcannotbeextendedtoincludeadditionalnodeswithoutlosingtheprobabilityofbeingfullyconnected.–Werestrictourselvestomaximalcliqueswithoutlossofgenerality,asitcapturesallpossibledependencies.Potentialfunction(localparameterization)–:potentialfunctiononthepossiblerealizationsofthemaximalclique

ProbabilityDistribution(2)Maximalcliques

Pro