目录

1.算法仿真效果

2.MATLAB程序

3.算法概述

3.1 马尔科夫随机场基础理论

3.2 图像去噪模型构建

3.3 评价指标

4.部分参考文献

5.程序内容，运行方法和源码获取

5.1 程序包括

5.2 运行方法

5.3 源码获取

---

1.算法仿真效果

matlab2022a/Matlab2024b仿真结果如下：

2.MATLAB程序

img1 = double(imread('data.bmp'));
sigmas=[0:0.1:3];

for i = 1:length(sigmas)
i
...............................................
I_VBM3D     = MergeAllImages(I_all(1:K));
PSNR_VBM(i) = mpsnr(I_VBM3D,I0);
SSIM_VBM(i) = ssim(I_VBM3D,I0);

end


figure;
plot(sigmas,PSNR_VBM,'-r>',...
    'LineWidth',1,...
    'MarkerSize',6,...
    'MarkerEdgeColor','k',...
    'MarkerFaceColor',[0.9,0.9,0.0]);

grid on
xlabel('噪声大小');
ylabel('PSNR');
figure;
plot(sigmas,PSNR_VBM,'-r>',...
    'LineWidth',1,...
    'MarkerSize',6,...
    'MarkerEdgeColor','k',...
    'MarkerFaceColor',[0.9,0.9,0.0]);

grid on
xlabel('噪声大小');
ylabel('SSIM');
13

3.算法概述

       图像去噪是计算机视觉领域的经典问题，其核心目标是在保留图像细节的同时抑制噪声干扰。马尔科夫随机场（Markov Random Field, MRF）作为一种概率图模型，通过刻画像素间的空间依赖关系，为图像去噪提供了强大的理论框架。

3.1 马尔科夫随机场基础理论

3.2 图像去噪模型构建

假设观测图像Y由原始图像X加性高斯噪声生成：

采用Ising模型作为先验：

根据贝叶斯定理：

3.3 评价指标

4.部分参考文献

[1]宋艳涛,纪则轩,孙权森.基于图像片马尔科夫随机场的脑MR图像分割算法[J].自动化学报, 2014, 40(8):10.DOI:10.3724/SP.J.1004.2014.01754.

[2]温航宇.基于马尔科夫随机场的图像分割算法及其在变化检测中的应用研究[D].南京理工大学,2013.DOI:10.7666/d.Y2275996.

5.程序内容，运行方法和源码获取

5.1 程序包括

matlab程序，参考文献

5.2 运行方法

1.在matlab的左侧的当前文件夹窗口；

2.分别运行Runme1~Runme2文件；

5.3 源码获取

step1.打开博客主页的左侧推广栏查看，或扫博客文章底部信息

step2.然后用电脑打开网页链接，输入文章标题搜索