概率图模型介绍PPT课件

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,.,8,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）,.,9,ProbabilityDistribution概率分布,DefinitionofJointProbabilityDistribution,Check:,.,10,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。,.,11,UndirectedPGM(MRF)无向图模型（马儿可夫随机域）,Representation,ConditionalIndependence,ProbabilityDistribution,Queries,Implementation,Interpretation,.,12,ProbabilityDistribution(1)概率分布,CliqueAcliqueofagraphisafully-connectedsubsetofnodes.Localfunctionsshouldnotbedefinedondomainsofnodesthatextendbeyondtheboundariesofcliques.MaximalcliquesThemaximalcliquesofagrapharethecliquesthatcannotbeextendedtoincludeadditionalnodeswithoutlosingtheprobabilityofbeingfullyconnected.Werestrictourselvestomaximalcliqueswithoutlossofgenerality,asitcapturesallpossibledependencies.Potentialfunction(localparameterization):potentialfunctiononthepossiblerealizationsofthemaximalclique,.,13,ProbabilityDistribution(2),Maximalcliques,.,14,ProbabilityDistribution(3),JointprobabilitydistributionNormalizationfactor,Boltzmandistribution,.,15,ConditionalIndependence,Itsa“reachability”problemingraphtheory.,