Bayesian Image Analysis With Markov Chain Monte Carlo and Coloured Continuum Triangulation Models
基于马尔可夫链蒙特卡洛与彩色连续三角剖分模型的贝叶斯图像分析AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究贝叶斯图像分割与几何随机模型，与给定经济计量细分方向没有直接对应。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
基于马尔可夫链蒙特卡洛与彩色连续三角剖分模型的贝叶斯图像分析
- 研究问题
- 如何为自然表现为彩色平面三角剖分的图像结构建立可归一化参数模型，并对区域数未知的图像开展贝叶斯分割？
- 方法与思路
- 作者从顶点的 Poisson 点过程构造固定简单多边形内部的三角剖分测度，使用 MCMC 分析并开展两个案例研究。
- 材料陈述的贡献
- 摘要称，给出彩色三角剖分模型的可归一化构造，证明相关测度来源于顶点点过程，并展示包含收敛分析的案例。
- 阅读关注点
- 应核对三角剖分空间与着色规则、可归一化证明的边界条件，以及区域数变化的采样操作和案例收敛分析依据。
- 阅读边界
- 仅据所给 Crossref 摘要；模型参数、采样细节与案例结果未说明，不能将案例收敛分析视为普遍的计算效率保证。
原文摘要
Summary It is now possible to carry out Bayesian image segmentation from a continuum parametric model with an unknown number of regions. However, few suitable parametric models exist. We set out to model processes which have realizations that are naturally described by coloured planar triangulations. Triangulations are already used, to represent image structure in machine vision, and in finite element analysis, for domain decomposition. However, no normalizable parametric model, with realizations that are coloured triangulations, has been specified to date. We show how this must be done, and in particular we prove that a normalizable measure on the space of triangulations in the interior of a fixed simple polygon derives from a Poisson point process of vertices. We show how such models may be analysed by using Markov chain Monte Carlo methods and we present two case-studies, including convergence analysis.