We know that the pixel value in an

We know that the pixel value in an image reflects the certain
characteristics of the object in the image. Digital images consisting of pixels
and defined on a bounded 2-D lattice have two important attributes.
First, pixel intensities of a nearly homogenous object/region will follow
a certain statistical distribution. We will call this the conditional (on the
region number) intensity distribution of the pixel intensities. The pixel
intensities may be scalar or a vector quantity depending on the image
type (see Chapter 2). Second, the pixels close together or lying in a
neighborhood will tend to have similar intensity values. The latter constraint
is also known as contextual information. Intensity-based segmentation
methods that we discussed in Chapter 6 disregard the latter attribute
of images. In this section, we will discuss how contextual information
can be modeled by means of MRF modeling. This model representing
the local characteristics of the underlying image, when combined with
the conditional distribution of the pixel intensities under a Bayesian

ผลลัพธ์ (ไทย) 2:

เรารู้ว่าค่าพิกเซลในภาพสะท้อนให้เห็นถึงบางลักษณะของวัตถุในภาพ ภาพดิจิตอลที่ประกอบด้วยพิกเซลและกำหนดขอบเขตใน 2 มิติตาข่ายมีสองลักษณะที่สำคัญ. ครั้งแรกที่ความเข้มพิกเซลของวัตถุคุณสมบัติเหมือนกันเกือบ / ภูมิภาคจะเป็นไปตามการกระจายทางสถิติที่แน่นอน เราจะเรียกนี้เงื่อนไข (ในจำนวนภูมิภาค) กระจายความเข้มของความเข้มพิกเซล พิกเซลเข้มอาจจะเกลาหรือปริมาณเวกเตอร์ขึ้นอยู่กับภาพประเภท(ดูบทที่ 2) ประการที่สองพิกเซลใกล้กันหรือนอนในพื้นที่ใกล้เคียงจะมีแนวโน้มที่จะมีค่าความเข้มที่คล้ายกัน ข้อ จำกัด หลังยังเป็นที่รู้จักกันเป็นข้อมูลบริบท ความเข้มตามการแบ่งส่วนวิธีการที่เราได้กล่าวไว้ในบทที่ 6 ไม่สนใจแอตทริบิวต์หลังของภาพ ในส่วนนี้เราจะพูดถึงวิธีการที่ข้อมูลตามบริบทสามารถจำลองโดยใช้วิธีการสร้างแบบจำลอง MRF รุ่นนี้เป็นตัวแทนของลักษณะท้องถิ่นของภาพต้นแบบเมื่อรวมกับการกระจายเงื่อนไขของความเข้มพิกเซลภายใต้เบย์

ผลลัพธ์ (ไทย) 3:

เรา รู้ ว่า ค่าพิกเซลในภาพสะท้อนให้เห็นถึงลักษณะบางอย่าง
ของวัตถุในภาพ ภาพดิจิตอลที่ประกอบด้วยพิกเซล
และกำหนดใน 2 มิติขัดแตะล้อมรอบสองคุณลักษณะสำคัญ
ตอนแรก พิกเซลเข้มของเกือบ homogenous วัตถุ / เขตจะตามมา
บางสถิติกระจาย เราเรียกมันว่าเงื่อนไข ( บน
เขตเบอร์ ) การกระจายความเข้มของพิกเซลเข้ม . พิกเซล
เข้มอาจเป็นปริมาณเวกเตอร์และสเกลาร์หรือขึ้นอยู่กับชนิดของภาพ
( ดูบทที่ 2 ) ประการที่สองพิกเซลใกล้กันหรือนอนในบ้านมักจะมี
ค่าความเข้มที่คล้ายคลึงกัน
ข้อจำกัดหลังยังเป็นที่รู้จักกันเป็นข้อมูลบริบท ความเข้มของการแบ่งส่วน
ตามวิธีการที่เรากล่าวถึงในบทที่ 6 ไม่สนใจหลังแอตทริบิวต์
ของภาพ ในส่วนนี้เราจะหารือถึงวิธีการ
ข้อมูลบริบทสามารถจำลองโดย mrf โมเดลลิ่ง รุ่นนี้แทน
ลักษณะท้องถิ่นต้นแบบของภาพ เมื่อรวมกับเงื่อนไขการกระจายของ

พิกเซลเข้มภายใต้แบบเบส์