一、简介
马尔可夫随机场(Markov random field,MRF),又称概率无向图模型、马尔可夫网络,是一个可以用无向图表示的联合概率分布的模型,多用于图像分割、图像去噪、 语义分割等。
二、马尔可夫性
在已知 “现在”的条件下,“未来”与“过去”彼此独立的特性就被称为马尔科夫性,具有这种性质的随机过程就叫做马尔科夫过程(下一个时间点的值只与当前值有关系,与以前没有关系,即未来决定于现在而不是过去),其最原始的模型就是马尔科夫链(马尔可夫链是一个更宽泛的过程)。
马尔可夫性质:一个随机变量序列按时间先后关系依次排开的时候,第N+1时刻的分布特性,仅与N时刻的随机变量取值有关,与N时刻以前的随机变量的取值无关。打个比方,我今天早饭吃什么仅与我昨天早饭吃什么有关(因为不想连续两天早餐吃同样的),而与我前天早上吃什么无关。
三、马尔可夫随机场
随机场:当给每一个位置中按照某种分布随机赋予相空间的一个值之后,其全体就叫做随机场。这就像我种地,反正是我自己的地,我按照自己的喜好(某种分布)随机种想种的(赋值),我的农田就是我的随机场。
马尔可夫随机场:拿种地打比方,如果任何一块地里种的庄稼的种类仅仅与它邻近的地里种的庄稼的种类有关,与其它地方的庄稼的种类无关,那么这些地里种的庄稼的集合,就是一个马尔可夫随机场。
四、概率无向图模型
在最开始我们提过,马尔可夫随机场又称概率无向图模型。这里的图是由顶点和边组成的,若说顶点是一块块田地,那边就是阡陌交通。
图(graph)是由结点(node)和连接节点的边(edge)组成的集合。结点和边分别记作v和e,节点和边的集合记作V和E,图记作G=(V,E)。
顾名思义,无向图的边没有方向,有向图的边有方向(可以是单向或双向)。
无向图:
有向图:
图相关的这篇文章讲的比较清楚: 图 —— 基础概念详解_图的基本概念-CSDN博客
五、无向图的条件独立性
无向图的条件独立性(全局、局部、成对马尔可夫性),大佬讲的比较清楚: 小白学习:李航《统计学习方法》第二版第11章 条件随机场(一)----马尔科夫随机场
马尔科夫性描述的是节点之间的这么一种关系:节点只与其相邻的节点有关系,与不相邻的节点没关系。
六、应用
马尔可夫随机场可以用来解决聚类问题,比如图像分割。图像的每个像素对应一个节点,节点之间存在关联。图像分割就是对节点进行分类,可以转换成聚类问题(相似的聚在一起,不相似的分开),从而将图像分割成不同色块。
亦可用于图像去噪:
参考文章: