This paper addresses the problem of

This paper addresses the problem of image change
detection (ICD) based on Markov random field (MRF) models.
MRF has long been recognized as an accurate model to describe
a variety of image characteristics. Here, we use the MRF to
model both noiseless images obtained from the actual scene and
change images (CIs), the sites of which indicate changes between
a pair of observed images. The optimum ICD algorithm under
the maximum a posteriori (MAP) criterion is developed under this
model. Examples are presented for illustration and performance
evaluation.

ผลลัพธ์ (ไทย) 2:

บทความนี้อยู่ปัญหาของภาพการเปลี่ยนแปลงการตรวจสอบ (ICD) ตามสนามมาร์คอฟแบบสุ่ม (MRF) รุ่น. MRF ได้รับการยอมรับในฐานะที่เป็นที่ถูกต้องให้รูปแบบการอธิบายความหลากหลายของลักษณะภาพ ที่นี่เราใช้ MRF เพื่อจำลองภาพไม่มีเสียงที่ได้จากที่เกิดเหตุที่เกิดขึ้นจริงและเปลี่ยนภาพ(CIS) เว็บไซต์ที่บ่งบอกถึงการเปลี่ยนแปลงระหว่างคู่ของภาพที่สังเกต อัลกอริทึม ICD ที่เหมาะสมภายใต้สูงสุดposteriori (MAP) เกณฑ์ที่ได้รับการพัฒนาภายใต้รูปแบบ ตัวอย่างจะถูกนำเสนอเพื่อประกอบการอธิบายและประสิทธิภาพการประเมินผล

ผลลัพธ์ (ไทย) 3:

บทความนี้เน้นปัญหาของการเปลี่ยนแปลง
ภาพ ( ICD ) ตามแบบสุ่มฟิลด์ ( mrf ) รุ่น
mrf ได้นานถูกรู้จักว่าเป็นรุ่นที่ถูกต้องอธิบาย
ความหลากหลายของลักษณะภาพ ที่นี่เราใช้ mrf

แบบทั้งภาพเสียงที่ได้จากฉากที่เกิดขึ้นจริงและ
เปลี่ยนภาพ ( CIS ) , เว็บไซต์ของที่แสดงการเปลี่ยนแปลงระหว่าง
คู่สังเกตภาพขั้นตอนวิธีที่เหมาะสมซึ่งภายใต้
สูงสุดจากผลไปสู่เหตุ ( แผนที่ ) เกณฑ์ที่พัฒนาขึ้นภายใต้รูปแบบนี้

ตัวอย่างที่นำเสนอสำหรับภาพประกอบและการประเมินผลการปฏิบัติงาน