概率图模型介绍.ppt

概率图模型 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 高分遥感数据特点 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 高分辨率遥感图像处理 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 aviris的MoffettField高光谱图像光谱 50 27 17波段 的伪彩合成图 草坪光谱曲线 跑道光谱曲线 分层概率图模型关系图 不同基元之间关系图 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 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 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 贝叶斯基本框架 后验概率 似然函数 先验概率 第i类 标准化因子 观测 问题描述观测 结论 分类或预测 贝叶斯规则 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 DefinitionofJointProbabilityDistribution Check Representation表示 Graphicalmodelsrepresentjointprobabilitydistributionsmoreeconomically usingasetof local relationshipsamongvariables 用图模式来表示联合概率分布是经济的 利用了变量之间一组 局部 关系 UndirectedPGM MRF 无向图模型 马儿可夫随机域 Representation ConditionalIndependence ProbabilityDistribution Queries Implementation Interpretation ProbabilityDistribution 1 概率分布 CliqueAcliqueofagraphisafully connectedsubsetofnodes Localfunctionsshouldnotbedefinedondomainsofnodesthatextendbeyondtheboundariesofcliques MaximalcliquesThemaximalcliquesofagrapharethecliquesthatcannotbeextendedtoincludeadditionalnodeswithoutlosingtheprobabilityofbeingfullyconnected Werestrictourselvestomaximalcliqueswithoutlossofgenerality asitcapturesallpossibledependencies Potentialfunction localparameterization potentialfunctiononthepossiblerealizationsofthemaximalclique ProbabilityDistribution 2 Maximalcliques ProbabilityDistribution 3 JointprobabilitydistributionNormalizationfactor Boltzmandistribution ConditionalIndependence It sa reachability problemingraphthe