A Model for Segmentation and Analysis of Noisy Images
含噪图像的分割与分析模型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：摘要涉及贝叶斯图像分割，空间分割及 Gibbs 分布本身不足以支持经济网络与干扰分类。
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
含噪图像的分割与分析模型
- 研究问题
- 如何自动将含噪图像分割为强度不同的区域，同时量化所识别图像特征的不确定性，并避免预先指定区域数量？
- 方法与思路
- 作者构建分层贝叶斯图像生成模型，以 Gibbs 分布描述离散图像的分割，再设区域和像素强度及指数族观测模型。
- 材料陈述的贡献
- 摘要称，模型无需预设分割区域数量，并将自动图像分割与已识别特征的不确定性定量评估纳入同一统计框架。
- 阅读关注点
- 应核对分割先验与区域数量的控制、各层强度变量的关系，以及后验计算和图像特征不确定性的具体度量。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明推断算法、性能比较或实际分割结果，不能推断刊本变化。
原文摘要
This article proposes a statistical model for image generation that provides automatic segmentation of images into intensity-differentiated regions and facilitates the quantitative assessment of uncertainty associated with identified image features. The model is specified hierarchically within the Bayesian paradigm. At the lowest level in the hierarchy, a Gibbs distribution is used to specify a probability distribution on the space of all possible partitions of the discretized image scene. An important feature of this distribution is that the number of partitioning elements, or image regions, is not specified a priori. At higher levels in the hierarchical specification, random variables representing emission intensities are associated with regions and pixels. Observations are assumed to be generated from exponential family models centered about these values.