我正在尝试学习如何使用马尔可夫随机场来分割图像中的区域。我不了解MRF中的某些参数,或者为什么我执行的期望最大化有时无法收敛到解决方案。
从贝叶斯定理开始,我有,其中是像素的灰度值,是类标签。我选择对使用高斯分布,而是使用MRF建模的。y x p (y | x )p (x )
我为MRF使用了一个电位函数,该函数既具有成对的集团电位,又具有被分类像素的类别标签的电位值。单个像素电势值是某个常数,取决于类标签。对成对连接的4个邻居评估成对势函数,如果邻居具有与此像素相同的类别标签,则返回正如果标签不同则返回。X β - β
在期望最大化的点上,我必须找到最大化对数似然期望值的和的值,我使用了数值优化方法(尝试了共轭梯度,BFGS,鲍威尔方法),但是总是会发现的值将变为负值, s将会急剧增加,并且一两次或之后的迭代,整个图像将仅分配给一个标签(背景:使用ICM完成给定MRF参数的类标签的分配) 。如果我删除了alpha,即仅使用成对的集团势,那么期望最大化就可以了。β β α
请说明每个课程的Alpha用途是什么?我以为它们与图像中存在的该类的数量有关,但似乎无关。一旦我使MRF仅以成对电位工作,我便将其与简单的高斯混合模型进行了比较,发现它们产生的结果几乎相同。我期望成对的电位能使课程顺利一些,但这并没有发生。请告知我哪里出了问题。