中文说明： 在此模型中我们首先研究基于高斯隐藏马尔科夫随机字段 （HMRF） 模型及 expectationmaximization (EM) 算法。然后我们概括它到以混合物基于模型的隐马尔科夫随机字段。在 MATLAB 中实现的算法。我们也应用该算法对彩色图像分割问题和 3D 体积分割问题. 马尔科夫随机字段 （集控） 已被广泛应用计算机视觉问题，例如图像分割曲面重构和深度推理。 太多的高效算法，其成功属性如迭代条件模式和对"数据信"和"模型平滑"的审议.第一次的脑部 MR 图像分割方法提出了HMRF EM 框架。为简单起见，我们第一次认为该图像是二维灰度级和强度的每个区域对其进行分段分布服从高斯分布。给出了图像 Y = （y
English Description：
In this model, we first study the Gaussian-based hidden Markov random field (HMRF) model and its expectationmaximization (EM) algorithm. Then we generalize it toaussian mixture model-based hidden Markov random field. The algorithm is implemented in MATLAB. We also apply this algorithm to color image segmentation problems and 3D volume segmentation problems. Markov random fields (MRFs) have been widely used for computer vision problems, such as image segmentation , surface reconstruction and depth inference.