[发明专利]马尔可夫多特征随机场模型构建方法及其脑部MR图像分割技术

权利要求书

1.一种马尔可夫多特征随机场模型构建方法，其特征在于，包括如下步骤：

(1)定义，包括标号随机场、多特征随机场的定义；

(2)模型理论构建，给定多特征随机场集合Г情形下，通过Bayesian理论，得到模型中标号随机场X的组态的后验概率计算方式；

(3)通过最大后验(MAP)概率估计准则对模型中标号随机场X的组态的后验概率进行估计；

(4)通过迭代条件模式(ICM)优化算法对的MAP估计进行优化求解，得到模型中标号随机场X的最终的标号值；

得到马尔可夫多特征随机场(MMFRF)模型。

2.如权利要求1所述的一种MMFRF模型构建方法，其特征在于，步骤(1)所述的定义，包括以下步骤：

1)标号随机场：

随机场X为集合S上关于邻域系统N的马尔可夫随机场(MRF)，记为标号随机场；

2)多特征随机场：

记A＝{1，...，n}表示随机场个数，S＝{1，2，...，z}定义为z个站点索引位置的集合，随机变量组为定义在集合S上的一个特征随机场，其中每个随机变量取其状态空间中的一个值表示随机场F_a的一个实现组态，F_a用于描述诸如图像像素和图像特征等目标对象的观测信息，记作特征随机场，Г＝{F_a，a∈A}表示集合S上的多个特征随机场的集合，称之为多特征随机场。

3.如权利要求1所述的一种MMFRF模型构建方法，其特征在于，步骤(2)所述的X的组态的后验概率计算方式：

给定特征随机场F_a组态f_a前提下组态x的后验概率P(x|f_a)为

P(x|fa)∝P(x)Πi∈Spa(yia|xi)]]>

其中，f_a中随机变量为条件独立的且每个变量都服从统一的依赖于x_i的条件密度函数P(x)为组态x的先验概率；在已知Г前提下，标号随机场X的一个组态的后验概率计算公式如下

P(x|f1,...,fn)=P(f1|x)...P(fn|x)P(x)P(f1,...,fn)∝[Πa=1nΠi=1zpa(yia|xi)]P(x).]]>