|
|
|
詳細總結並描述了Markov隨機場的最新研究理論及其在圖像處理和計算機視覺中的最新應用進展。詳細介紹了幾種流形的基本求解方法，主要包括二元離散標記下的圖切割方法、多類標簽下的決策移動法、均值場理論近似求解、環狀置信度傳播法以及線性規划求解法，同時，在基本方法基礎上，擴展至當前最有挑戰性的研究課題，集中介紹了連續變量的Markov模型、高階Markov模型的優化處理方法。
譯者序
第1章 Markov隨機場簡介
1.1 最簡單的Markov模型：Markov鏈
1.2 隱Markov模型
1.3 樹狀Markov，模型
1.3.1 樹結構的推理：置信度傳播
1.3.2 實例：五個節點模型上的「最大一積」置信度傳播
1.4 Markov隨機場：圖狀Markov模型
1.5 隱MRF模型
1.5.1 實例：像素四連通圖的分割
1.5.2 實例：圖像重建
1.5.3 連續值MRF
1.5.4 條件隨機場
1.6 推理：最大后驗／邊緣
1.6.1 Gibbs取樣
1.6.2 均值場近似
1.6.3 迭代條件模態
1.6.4 模擬退火
1.6.5 環狀置信度傳播
1.7 離散模型中的MAP推理
1.7.1 子模偽布爾函數
1.7.2 采用圖切割最小化子模偽布爾函數
1.8 圖切割的多值標簽求解
1.9 線性規划的MAP推理
1.10 Markov隨機場的參數學習
1.10.1 晟大似然
1.10.2 最大間隔學習
1.11 符號匯編
第一部分 MRF的MAP估計推理算法
第2章 基本的圖切割算法
2.1 最小切割／最大流問題算法描述
2.1.1 有向圖背景
2.1.2 最小切割／最大流問題
2.1.3 組合優化的標准算法
2.1.4 BK算法
2.1.5 時空效率分析
2.2 能量最小工具——最大流算法
2.2.1 參數重置和規范形式
2.2.2 子模
2.3 最小化非子模函數
2.3.1 頂對偶松弛特性
2.3.2 最大流求解頂對偶松弛：BHS算法
2.4 總結
2.5 附錄：最大流的參數重置
第3章 移動生成算法優化多標簽MRF
3.1 簡介
3.2 交換和擴展算法概述
3.2.1 離散優化中的局部最小值
3.2.2 交換和擴展移動的定義
3.2.3 算法和特性
3.3 搜尋最優交換和擴展移動
3.4 最優特性分析
3.4.1 擴展算法
3.4.2 半度量近似
3.5 實驗結果
3.5.1 圖像復原
3.5.2 立體匹配
3.6結論
第4章凸性和截斷凸性先驗下的多標記MRF優化
4.1 簡介
……
第5章 環狀置信度傳播與均值場理論及Bethe近似
第6章 線性規划和置信度傳播的變種
第二部分 包含分割的MRF應用
第7章 采用圖切割方法的交互式前景提取
第8章 連續值MRF下的圖像分割
第9章 雙層結構的視頻分割
第10章 MRF超分辨率和紋理合成
第11章 MRF中能量最小方法的比較研究
第三部分 深入討論：推理、參數學習和連續模型
第12章 凸松弛技術在分割、立體視覺和多視角重建中的應用
第13章 連續值Markov隨機場中的參數學習
第14章 連續隱變量的消息傳遞
第15章 采用圖切割學習最大間隔隨機場
第16章 MAP估計中的凸松弛分析
第17章 快速原始一對偶線性規划的MAP推理
第18章 擴展標記空間中的MRF融合移動優化
第四部分 高階MRF和全局約束
第19章 專家場
第20章 采用高階勢函數強化標記一致性
第21章 含非局部參數Markov隨機場的確切優化
第22章 含連通性先驗圖切割下的圖像分割
第五部分 MRF的高級應用
第23章 對稱立體匹配下的遮擋求解
第24章 轉向隨機場的圖像復原
第25章 Markov隨機場的目標檢測
第26章 SIFT流：多場景稠密匹配及其應用
第27章 展開鑲嵌圖像：視頻中形變表面建模
