英文文献，他的中文翻译可看其他博文： 为了提高压缩、水印或简化等常见处理操作的效率，网格分析和聚类已成为重要问题。在此背景下，我们提出了一种新的聚类/标记三维网格的方法，给定任何与其顶点相关的标量值域(曲率，密度，粗糙度等)。我们的算法是基于马尔可夫随机场，图形概率模型。该贝叶斯框架允许(1)在聚类中同时集成属性和几何，(2)由于随机场的马尔科夫特性，仅使用局部交互来获得最优全局解。我们定义了新的观测模型和先前的三维网格模型，采用图像处理方法，在空间一致性方面取得了很好的效果。对所有模型参数进行估计，从而实现在合理时间(几秒)内工作的全自动过程(唯一需要的参数是集群的数量)。 ———————————————— 版权声明：本文为CSDN博主「佩佩想做程序猿」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/qq_46559411/article/details/124355840

在这个项目中，我们首先研究了基于高斯的隐马尔可夫随机场（HMRF）模型及其期望最大化（EM）算法。 然后我们将其推广到基于高斯混合模型的隐马尔可夫随机场。 该算法在MATLAB中实现。 我们还将此算法应用于彩色图像分割问题和 3D 体积分割问题。

图像分割是计算机视觉中的经典问题,在许多领域都有重要应用.由于图像信息存在不确定性,难以获得精确的分割结果,为应对图像分割中的不确定性问题,将证据理论这一不确定性建模与推理工具与马尔可夫随机场相结合,提出证据马尔可夫随机场(EMRF)模型,并基于此提出新的图像分割算法.EMRF利用证据标号场描述像素标号的含混性,以证据距离描述相邻像素间的标号关系,利用条件迭代模型(ICM)算法进行优化.实验结果表明,EMRF相较于传统马尔可夫随机场、模糊马尔可夫随机场和传统的基于证据理论的方法,能获得更好的分割效果.

图像分割中的马尔可夫随机场（MRF）方法综述，完整论文，比较详细

不好意思，本不想要分的。是马尔可夫随机场的程序，大家可以学习一下

马尔可夫随机场图像分割源码例子程序，有30多个函数

马尔可夫随机场方法是图像分割中一个极为活跃的研究方向。本文介绍了基于马尔可夫随机场模型的 一般理论与图像的关系，给出它在图像分割中的通用框架：包括空域和小波域图像模型的建立、最优准则的选取、 标号数的确定、图像模型参数的估计和图像分割的实现，评述了其在图像分割中的应用，展望其发展的方向。