Abstract—This paper addresses the p

Abstract—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) 1:

นามธรรมซึ่งเอกสารนี้อยู่ปัญหาของการเปลี่ยนแปลงรูปใช้ตรวจ (ICD) เขตสุ่ม Markov (MRF) รุ่นMRF ได้รับการยอมรับเป็นแบบจำลองที่ถูกต้องเพื่ออธิบายความหลากหลายของลักษณะภาพ ที่นี่ เราใช้ MRF เพื่อรูปแบบทั้งภาพเสียงที่ได้จากสถานจริง และเปลี่ยนรูป (CIs), เว็บไซต์ที่ระบุการเปลี่ยนแปลงระหว่างคู่ของภาพที่สังเกต อัลกอริทึม ICD เหมาะสมภายใต้เกินเกณฑ์ (แผนที่) posteriori ถูกพัฒนาภายใต้นี้แบบจำลอง มีแสดงตัวอย่างภาพประกอบและประสิทธิภาพการประเมินผล

ผลลัพธ์ (ไทย) 2:

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

ผลลัพธ์ (ไทย) 3:

บทคัดย่อ การวิจัยนี้เน้นปัญหาของการเปลี่ยนแปลง
ภาพ ( ICD ) ตามแบบสุ่มฟิลด์ ( mrf ) รุ่น
mrf ได้นานถูกรู้จักว่าเป็นรุ่นที่ถูกต้องอธิบาย
ความหลากหลายของลักษณะภาพ ที่นี่เราใช้ mrf

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

ตัวอย่างที่นำเสนอสำหรับภาพประกอบและการประเมินผลการปฏิบัติงาน