高斯马尔科夫随机场

马尔科夫随机场（MRF）模型是一种描述图形结构的概率模型，是一种较好的描述纹理的方法。它是建立在MRF模型和Bayes估计的基础上，按照统计决策和估计理论中的最优准则确定问题的解。其突出的特点是通过适当定义的邻域系统引入结构信息，提供了一种一般用来表达空间上相关随机变量之间相互作用的模型，由此所生成的参数可以描述纹理不同方向、不同形式的集聚特征，更符合人的感官认识。MRF模型及其应用主要有两个分支：一种是采用与局部Markov性描述完全等价的Gibbs分布；另一种是假设满足高斯分布，从而得到一个由空域像素灰度表示的差分方程，称作高斯马尔科夫随机场模型。在实际应用中，GMRF的计算量相对较小，获得了较为广泛的应用。
参考文章