马尔可夫随机场（MRF）：一种用于表示多个随机变量之间局部依赖关系的概率模型，通常用无向图（undirected graph）表示。其核心思想是：在给定某个变量的“邻居”后，它与图中其他非邻居变量条件独立。常用于图像分割、去噪、空间统计、自然语言处理等。
/ˈmɑːrkɔːv ˈrændəm fiːld/
A Markov random field can model the relationships between neighboring pixels.
马尔可夫随机场可以用来建模相邻像素之间的关系。
In image segmentation, an MRF prior encourages nearby regions to share the same label, which helps reduce noise and produce smoother boundaries.
在图像分割中，MRF 先验会鼓励相邻区域共享同一标签，从而有助于减少噪声并得到更平滑的边界。
“Markov”来自俄国数学家安德烈·马尔可夫（Andrey Markov），与“马尔可夫性”（只依赖局部/近期状态的性质）相关；“random field（随机场）”源自概率论与统计学，表示在空间或图结构上定义的一组随机变量。合起来，“Markov random field”强调：在图结构上，变量的依赖主要通过局部邻域来表达。（在更广义用法中还常与“无向图模型/吉布斯分布”紧密相关。）
Select Language