马尔科夫随机场是指在一堆数据点(比如图像矩阵网点)中,每个点的取值只与其邻域(记得叫clique)有关系,而于更远的点无关,这种概率模型和马尔科夫链很像,是对复杂现象的简化,其实质是某种图模型,两个点距离越近,关系越密切。
隐马尔科夫模型是指模型的真实参数是个马尔科夫链,但是这个链是隐藏在表现型下面不可见的,链中元素一旦确定,会显示出表现型这么一种模型,模型通过表现型估计隐藏参数。 可以在书《Computer Vision: Models, Learning, and Inference》中找到一章很精辟地介绍马尔科夫随机场以及在图像去噪中的一个应用。也可以看专著《 Markov Random Field Modeling in Computer Vision》全面了解MRF模型,HMM你可以去《pattern recognition and machine learning》找,有一章详细讲这个模型,还可以去《pattern classification》找,有个简单的介绍。
隐马尔科夫模型是指模型的真实参数是个马尔科夫链,但是这个链是隐藏在表现型下面不可见的,链中元素一旦确定,会显示出表现型这么一种模型,模型通过表现型估计隐藏参数。 可以在书《Computer Vision: Models, Learning, and Inference》中找到一章很精辟地介绍马尔科夫随机场以及在图像去噪中的一个应用。也可以看专著《 Markov Random Field Modeling in Computer Vision》全面了解MRF模型,HMM你可以去《pattern recognition and machine learning》找,有一章详细讲这个模型,还可以去《pattern classification》找,有个简单的介绍。