马尔科夫随机场
:
即加了Markov性质限制的随机场,满足两个性质:
(1)
(2)
条件②中的条件概率常称为MRF的局部特性,任何过程满足条件①的概率都由条件②中的条件所唯一确定。在实际应用中很难确定这两个条件的概率。20世纪80年代,Hammersley-Clifford给出了Gibbs分布与MRF的关系,从而用Gibbs分布来求解MRF中的概率分布。
邻域系统的Gibbs分布是定义在Ω上的概率测度p,具有如下的表达形式:
式中,Z是归一化常数或配分函数,T是个温度常数,称为能量函数,在图像处理中,对先验模型的研究往往转换为对能量函数的研究。C表示邻域系统δ所包含基团的集合,Vc(·)是定义在基团c上的势函数(potential),它只依赖于δ(s),s∈c的值。δ={δ(s)|s∈S}是定义在S上的通用的邻域系统的集合。
Hammersley-Clifford定理给出了Gibbs分布与MRF等价的条件:一个随机场是关于邻域系统的MRF,当且仅当这个随机场是关于邻域系统的Gibbs分布。关于邻域系统δ(s)的MRFX与Gibbs分布等价形式表示为
上式解决了求MRF中概率分布的难题,使对MRF的研究转化为对势函数Vc(x)的研究,使Gibbs分布与能量函数建立了等价关系,是研究邻域系统δ(s)MRF的一个重要里程碑。