论文部分内容阅读
本文探讨了基于MARKOV模型的人脸识别和纹理分割模型，主要分为以下两部分：
第一，压缩域上基于隐马尔可夫模型(HMM)的人脸识别。采用图象的DCT系数作为特征，经K-means法聚类后作为HMM的观测值进行训练；针对不同训练样本数目，采用不同的实验参数以提高识别率；同时，为使计算量降低，又限制了一些影响复杂度的实验参数。分别在ORL和Yale人像库进行了实验，本文的方法适用于不同角度的姿势变换和表情变化的人象，最高识别率达98.6％。
第二，基于高斯马尔可夫随机场(GMRF)状态竞争的纹理分割。结合了隐马尔可夫模型、区域竞争模型的思想与马尔可夫随机场模型(注重于图像中象素之间的联系)，提出了纹理图象分割模型。首先用GMRF模型提取图像的32个象素的粗边界。然后赋予每个象素点状态，竞争的单位是点周围的32×32的块，竞争的结果是象素点状态改变，最后得到分割结果。本文提出的模型对一般纹理图象有较好的分割效果，并且用真实图象测试了本方法。