多目标跟踪时目标之间的交互、部分遮挡或完全遮挡会造成跟踪准确度降低或目标的丢失等问题。针对这些问题，提出了一种融合光流法与马尔可夫随机场（MRF）的多目标跟踪算法。首先，利用首帧图像光流场提取出目标光流，得到目标的速度信息；其次，根据目标运动特性与已建立的MRF模型进行融合并约束优化；最后，在所提模型中，通过核相关滤波算法得到目标最优状态分布以实现对多个目标的跟踪。实验结果表明，与同类先进算法相比，所提算法在多目标交互之后，能够继续对目标进行准确跟踪，降低了目标彼此遮挡时的误报率，具有更优越的准确性。

针对已有的立体匹配算法在噪声侵扰中匹配率低,在视差不连续和弱纹理区域中视差精度不高的问题,提出了一种基于Census变换与互信息(MI)融合代价和分段优化的立体匹配算法。算法主要分两步进行,即初始视差图获取和视差图优化。第一步,由MI和Census融合形成初始匹配代价,之后由改进引导滤波进行代价聚合,求得最优匹配代价;由胜者为王(WTA)策略得到初始视差图。第二步,先将参考图像分割成超像素,并为每个超像素拟合视差平面;其后通过马尔可夫随机场(MRF)来估算超像素的平均视差,再利用平均视差对邻接系统进行遮挡区域处理和段内的视差精度优化;最后经中值滤波等后处理得到最终视差图。实验结果表明,所提算法处理得到的15组Middlebury测试数据集的视差图在非遮挡区域的平均误匹配率仅为7.60%,各阶段运行时间短,平均每对图像处理耗时6.8 s,运行效率高。

传统图像分割算法存在图像特征信息描述单一、分割效果差等缺点,为此,提出一种基于双特征马尔可夫随机场的图像分割方法。首先,利用像素之间的空间信息对高斯混合模型的先验概率和后验概率进行约束,建立灰度随机场。其次,在利用分数阶微分算子非线性保留图像的边缘轮廓和纹理细节的基础上,利用灰度共生矩阵描述图像的纹理特征信息,并建立纹理特征随机场。最后,设计了用于图像分割的双特征马尔可夫随机场,通过条件迭代算法优化求解标号场最大后验概率,实现图像分割。实验验证了分割算法的有效性,分割正确率达到93.9%,所提出的双特征随机场能够提高图像分割算法的鲁棒性和准确性。

为了识别植被场景中的叶片和相邻障碍物,提出了一种三维激光雷达的目标检测算法。以雷达点云中的相邻点构建邻域特征,提取新的特征参数作为判别依据,采用期望最大算法求得混合高斯模型以表征特征参数的分布情况;最后,利用马尔可夫随机场建立先验模型,在最大后验概率框架下采用图割法进行求解,得到最优目标函数。该算法已成功应用于无人驾驶平台。研究结果表明,该算法能有效地识别叶片及其邻接障碍物,可以清楚地分辨障碍物边界。与传统算法相比,该算法具有更高的稳健性和准确率,且其实时性满足实际应用的需求。

针对传统的多特征融合变化检测没有考虑不同特征对变化检测结果的影响及传统的马尔可夫随机场(MRF)变化检测质量受空间信息权重影响的问题,提出了基于密度引力和多尺度多特征融合的变化检测方法。在提取Gabor纹理特征的基础上,通过局部相似性度量和信息熵来获取纹理差异图像,利用变化矢量分析计算了光谱差异图像;采用自适应的方法融合了光谱差异和纹理差异;将密度引力模型与传统MRF相结合,构建了自适应权重的MRF模型,获取了差异图像的变化图。实验结果表明,该方法能够充分利用不同特征,而且能够更好地保持图像边缘细节,提高了变化检测精度。

针对目前医学细胞图像分割出现的误分割、人为主观因素影响时间效率低等特点, 提出了一种结合基于中国餐馆过程的马尔可夫随机场(MRF)细胞图像自动分割方法。首先对图像进行去噪处理, 然后采用中国餐厅过程的无监督模型对马尔科夫随机场进行自动确定参数, 最后采用条件迭代模式（ICM）方法实现MRF在图像分割并对其口腔粘膜细胞图像进行分割实验, 并与传统的马尔可夫随机场图像分割和3种不同的细胞图像分割方法进行比较。结果表明, 本文提出的方法无需事先估计参数值, 在精确度上能达到96%以上。通过本文算法基本能够准确找到要分割的双核和微核细胞, 为后期细胞图像识别打基础, 有效解决分割受到人为主观因素影响和精度差等问题。

由于样本空间的多样性，势函数模型难以计算，因此无法得到马尔可夫随机场模型的参数估计。针对该问题，提出基于麦克劳林级数的马尔可夫随机场参数估计算法。通过二阶麦克劳林级数的展开式得到了势函数的近似值和似然函数的表示式，推导出极大似然估计对应的非线性方程组，通过牛顿迭代法得到方程组的解即是马尔可夫随机场的极大似然估计。提出了一种改进的Gibbs采样方法，加快了模拟退火的速度。实验分别从视觉效果、峰值信噪比和稳态迭代次数三方面验证了算法的有效性。

基于光学原理的三维扫描技术通过光学系统对物体空间外形进行扫描,获取物体的三维信息,具有非接触性、高精度和高分辨率等优点。目前,工作距在1 m内的结构光三维扫描重建精度可达0.01 mm量级,点云数量可达百万量级。而采用纹理重建技术能进一步呈现扫描物体的色彩、材质等信息,提高了重建物体的真实感。由于相机误差和光照环境等因素影响,在纹理映射后纹理图像中容易产生接缝、模糊和重影等现象。通过建立相机模型,推导三维空间点和二维图像间的映射关系,归纳造成纹理残留处理痕迹的原因;分类介绍不同策略下消除纹理重建中残留处理痕迹的方法,总结其研究成果在纹理重建中的作用;针对纹理重建中尚存在的不足,对彩色三维扫描的纹理重建方法的发展方向进行了展望。

遥感根本目的就是获得清晰的高空间分辨率的图像，从而可以进一步地分析处理。为了在遥感测量中获得更高空间分辨率、更高信噪比、更清晰的图像，本文对图像处理领域超分辨算法进行了研究。建立了一套拟合模拟现实的成像系统模型，在这种模型的基础之上，利用最大后验概率系统理论，讨论了现实情况中的运动模糊，噪声等情况，改进了MAP超分辨算法。实验结果表明：使用本文改进的基于MAP理论的Markov随机场约束的多帧超分辨重建算法，可以较好提高超分辨效果，与三次立方插值方法相比，PSNR至少提高约5.1 dB左右，与未改进的MAP方法相比，PSNR提高约0.2 dB左右。本文提出了动态的先验约束方法，给约束函数添加与迭代次数相关的约束项，该改进创新可以加快收敛并且更加逼近真实图像，实验表明该方法收敛速度更快，约束效果良好，更适合实际应用。

针对合成孔径雷达(SAR)图像水体目标的筛选和边缘模糊问题, 根据SAR图像的成像特点, 给出了一种基于区域生长和马尔可夫随机场(MRF)模型的水体目标提取方法。首先, 利用SAR图像中水体表面呈现为均匀的低强度区域特点, 采用分水岭方法进行过分割, 确定具有较大面积的区块作为水体的种子区域; 然后, 利用水体的种子区域统计特征进行区域生长, 得到初始水体目标; 最后, 利用融合观测图像局部均匀性特征的MRF模型对初始分割图像进行精确的目标提取。实验结果显示所提方法能正确地提取SAR图像中的水体目标并精确定位目标边缘。