基于EHMM-HMT和MSWHMT的多尺度纹理图像分割

纹理图像具有微观不规则但宏观存在某种统计规律性的特点.在图像分割中,为了捕捉此特性来改善分割效果,提出了EHMM-HMT(enhanced hidden Markov model-hidden Markov tree)和MSWHMT(multi-states weighted hidden Markov tree)模型的多尺度贝叶斯纹理图像分割方法.该方法通过EHMM模型有效地描述了图像块间的相互作用关系,在最粗尺度上并运用EHMM-HMT模型得到了有利于保持区域一致性的初分割.然后,为了减少初分割对边界造成的误判和降低计算复杂度,提出了MSWHMT模型,在各个细尺度上应用该模型实现了具有较好的边界检测效果的初分割.最后,通过结合边界信息的多尺度贝叶斯融合策略对纹理图像实现了像素级的分割.实验结果表明,与HMTseg,HMT(boundary based+MAP)和EHMM-HMT(MAP)方法相比,该方法不仅对微纹理图像有好的分割效果,对宏纹理图像也达到了较优的分割性能.

基于Contourlet域HMT和D-S证据融合的SAR图像分割

针对Contourlet的多尺度、局部化、方向性和各向异性等优点,结合隐马尔科夫树(hidden Markov tree,HMT)模型和D-S(Dempster-Shafer)证据理论,提出一种新的SAR图像分割算法。该算法首先将隐马尔科夫树模型推广到Contourlet域,在多尺度HMT上采用D-S证据融合理论有效地融合Contourlet系数的持续性和聚集性,最后导出融合后的最大后验多尺度分割公式。本文算法对实测SAR图像进行分割试验,试验结果表明:与小波域上的HMT-MRF(Markovrandom field,MRF)融合分割及Contourlet域上HMT和MRF分割算法相比,本文算法在抑制斑点噪声的同时,可有效地提高SAR图像的分割精度。

基于Contourlet域HMT模型的SAR图像相干斑抑制

将Contourlet变换用于SAR图像的统计特性研究中.基于Contourlet域隐马尔可夫树模型(CHMT),从图像复原的角度出发,结合最小均方误差估计和Bayes估计给出一种SAR图像相干斑抑制的新方法.并给出基于拉普拉斯金字塔算法(LP)分解的斑点方差估计方法.实验中与小波域HMT算法进行了比较,本文方法在方向信息的保留和斑点的抑制上均有明显改进.

采用CT域HMT模型的变电设备红外和可见光图像融合

将变电设备的红外图像和可见光图像融合可大大提高热故障定位的准确度。鉴于小波变换缺乏方向信息,且不能为2维图像提供理想的稀疏表达,同时考虑到边缘特征在图像融合中的重要性,提出了一种基于轮廓波变换(contourlet transform,CT)域隐马尔可夫树(hidden Markov tree,HMT)模型的红外和可见光图像融合算法。利用所提出的算法,完成了某500kV变电站设备的红外和可见光图像融合。融合结果表明,该算法由于采用期望最大(expectation maximization,EM)算法对CT分解得到的高频系数进行HMT建模且设计了一种利用Canny算子进行边缘检测的融合规则,所以可在保留更多细节信息的同时,能得到更加光滑细腻的融合图像;融合结果的均值、标准差、平均梯度和信息熵等统计指标均有明显改善。该算法为变电设备的智能检测与识别提供了量化依据和指导。

基于小波域HMT模型的图像超分辨率重构

小波域HMT模型采用混合高斯分布 ,并通过多尺度小波系数隐状态之间的Markov依赖性刻画自然图像小波系数随尺度减小呈指数衰减的特性 由于小波域HMT准确刻画了自然图像小波变换的统计特性 ,因此文中算法以此作为自然图像的先验模型 ,并把图像超分辨率问题表述为一个约束优化问题 ,采用Cycle Spinning方法抑制重构出的高分辨率图像中可能存在的震铃和锯齿等失真 最后 。

小波域HMT模型参数的快速估计及其在图像降噪中的应用

小波域隐马尔可夫树(HiddenMarkovTree,HMT)模型可以很好地刻画尺度内与尺度间小波系数的相关性,但模型参数的训练过程复杂,计算量大。针对这个缺点,提出了一种不经训练的HMT模型参数快速估计方法。该算法首先用一种自适应阈值将每个子带小波系数分成不同的类,然后分别对每类进行统计,这种统计是局部的,因而有很好的局部自适应性,最后模型参数可以利用这些局部的统计特性来描述。将估计出的参数模型运用到图像降噪中,实验结果表明这种快速估计的HMT参数模型不仅可以大大提高计算速度,降低计算复杂度,而且从峰值信噪比和主观视觉效果上都不逊于传统的经过迭代训练的HMT模型降噪算法。

改进多尺度融合结合小波域HMT模型的遥感图像分割

提出了一种结合权值背景融合的小波域多尺度图像分割方法。首先通过小波域隐马尔可夫树模型获得图像各个尺度上的初始分割,然后为各个尺度上每一分割像素点分别赋予权值,并建立一种融合父子尺度信息的新背景模型,最后利用权值背景融合各个尺度图像初始分割结果,得到像素级分割。仿真结果表明,该方法可得到优于已有文献的分割效果。

在变换域中用HMT图像降噪的研究

研究了 HMT(隐马尔科夫树 )在变换域中进行图像降噪的应用 .就不同复杂程度的图像、不同类型噪声、及用不同的变换域与传统方法进行比较 ,得到结论 :变换域中的方法比在非变换域中的传统方法优越 ,HMT在小波域和 DCT域有着近似的效果 ,在高斯白噪声下 HMT方法是最有效的 ,在相关噪声下 。

一种小波域HMT模型参数初始化方法

Wavelet transformation and hidden Markov model are used in wavelet-based HMT model for analyzing andprocessing images. Expected Maximization(EM) algorithm used in training model results in slow convergence. Thepersistence, exponential decay characteristics of wavelet coefficient are analyzed. A model parameter initializationmethod is proposed. This method provides reasonable initial model value, reduces training time greatly. Its applica-tion in image de-noising demonstrates is validity.

基于Contourlet域HMT模型的声纳图像去噪

声纳图像预处理是声纳图像目标识别与跟踪的前提;声纳图像对比度低,特性信息弱,为此,提出Contourlet域HMT模型(CT-HMT)的声纳图像去噪算法。Contourlet域中,不同方向间子带系数的相关性体现于DFB分解中,相邻尺度间父节点对应的4个子节点分布在2个可分离的方向子带上,父、子节点状态"持续性"采用Markov模型建模,尺度内Contourlet系数的"聚集性"采用混合高斯模型建模;最后,用贝叶斯准则估计无噪图像的Contourlet系数,实现声纳图像去噪。实验结果从视觉效果和定量分析两方面验证表明,本文算法能有效地抑制噪声,提取声纳图像的弱特征信息,较好地保全了图像的边缘和轮廓信息。

基于Cauchy分布的非下采样Shearlet HMT模型及其图像去噪应用

Shearlet变换作为后小波时代的一个重要的多尺度几何分析工具具有良好的各向异性和方向捕捉性,同时它也可以对诸如图像等多维信号进行一种近最优的稀疏表示.非下采样Shearlet变换(NSST)在保持Shearlet变换特性的同时还具有平移不变特性,这在具有丰富纹理和细节信息的图像处理中发挥着重要作用.该文首先对图像NSST方向子带内系数的概率密度分布进行分析,获得系数的稀疏统计特性和Cauchy分布拟合子带内系数的有效性;其次对NSST方向子带间系数的联合概率分布进行分析,获得方向子带系数间所具有的持续和传递特性,确定了一种NSST子带间树形架构的系数对应关系,进而提出一种NSST域隐马尔可夫模树模型(C-NSSTHMT),该模型通过Cauchy分布来拟合NSST系数,更好地揭示图像NSST变换后相同尺度子带内和不同尺度子带间系数的相关性.进一步提出一种基于所提出C-NSST-HMT模型的图像去噪算法,该算法对于含噪声方差为30和40的噪声图像,其去噪后的PSNR(Peak Signal to Noise Ratio)较NSCT-HMT方法分别提高了1.995dB和1.193dB.特别对纹理和细节丰富的图像,该算法在去噪的同时,有效地保留了图像的几何信息.

基于HMT模型的block-DCT域隐写图像移除攻击

针对block-DCT(Discrete Cosine Transform)域加性噪声隐写图像,基于隐马尔科夫树HMT(Hiding Markov Tree)模型,提出一种新的隐写图像移除攻击算法。在分析研究HMT模型结构特点和离散的小波变换DWT(Discrete Wavelet Transform)域、block-DCT域系数特性的基础上,构建了准确刻画图像block-DCT变换统计特性的HMT模型,将隐写图像秘密信息的移除问题转化为约束优化求解问题。在Matlab7.0平台进行仿真实验,结果表明:基于该算法移除秘密信息后的图像,其质量(信噪比和视觉效果)明显高于传统的噪声移除方法。

基于CP和多小波HMT模型的克隆选择遥感图像融合

如何得到有效的融合系数是图像融合的关键.文中从图像的统计特性出发,构造了对比度塔(CP)和GHM多小波,建立了多小波HMT模型以捕获多小波系数之间的相关性.同时,将进化计算思想——免疫克隆选择(ICS)算法引入到图像融合处理中,用来优化融合系数,较好地实现了多传感器遥感图像的融合.仿真实验证明,与传统的小波变换和多小波变换方法相比,文中方法得到的融合图像有效地保留了图像的细节和纹理信息,图像的信息熵值保持在较高水平,平均梯度值比小波变换和多小波变换方法平均分别提高了1.3和2.3,标准差值平均分别提高了8.0和8.8.

基于LS-SVM的contourletHMT变换的孔型测量图像边缘检测

为了提取拉丝模具内孔的衍射图像的边缘信息,以往的检测方法都有各自的局限性,因此采用contourle tHMT变换结合LS—SVM的方法;首先利用contourlet HMT变换将图像分成粗糙系数和精细系数,通过LS—SVM训练粗糙系数找出边缘系数和噪声系数;利用BayesShrink方法去除噪声系数,采用梯度边缘系数和去噪后的系数,用加权平均值的方法进行图像的融合,最后使用contour—let HMT的逆变换对图像进行重构;对不同情况下的图像进行了测试,结果证明Contourlet HMT的边缘检测方法明显优于其它的方法。

HMT抗炎、镇痛作用实验研究

目的研究红毛七乙醇提取物(HMT)的抗炎、镇痛及对免疫系统的影响。方法观察MHT对大鼠足趾肿胀、小鼠扭体、热痛阈的抗炎、镇痛作用;通过小鼠碳粒廓清、鸡红细胞吞噬,评价HMT对非特异性免疫功能的影响;通过去除双侧肾上腺小鼠耳廓肿胀了解其抗炎的机制。结果受试药物口服给药,对大鼠足肿胀有明显抑制作用(P<0.05);能抑制醋酸所致的小鼠扭体次数(P<0.001);能延长小鼠热痛阈值;对二甲苯引起的耳廓肿胀有明显抑制作用(P<0.05);对小鼠网状内皮细胞吞噬功能有显著影响(P<0.001);能提高小鼠腹腔巨噬细胞吞噬功能;对切除双侧肾上腺的小鼠耳廓肿胀无明显抑制作用。结论HMT有抗炎、镇痛作用。

一种两步HMT文本图像分割方法

引入一种新的文本图像分割方法 :两步隐马尔科夫树模型 (HMT)多尺度文本图像分割 .该分割方法是在文献 [1]的基础上 ,先将背景分出 ,再将文本分为文字与图像两种类型 ,分别建立HMT模型 ,完成文本图像的分割 .最后通过实例阐明了方法的有效性 .

基于小波域HMT模型的彩色图像超分辨率复原

提出了一种基于小波域隐马尔可夫树 (HMT)模型的 RGB彩色图像超分辨率算法。由于彩色图像 3个通道之间具有的相关性 ,对 3个通道分别进行独立的超分辨率重构会导致严重的色彩失真。为解决这个问题 ,首先通过自适应图像变换由彩色图像得到一幅能反映人类视觉感受的灰度图像 ;然后对此灰度图像进行超分辨率重构获得一幅高分辨率灰度图像 ;最后按照这一高分辨率灰度图像确定的小波系数后验状态概率对彩色图像的 3个通道分别进行超分辨率重构从而获得一幅高分辨率彩色图像。由于该算法协调了彩色图像 3个通道的超分辨率 ,因此重构出的高分辨率彩色图像避免了色彩失真。

基于多级中值滤波和小波域HMT的图像去噪

介绍了小波域HMT模型和基于阈值分解的多级中值滤波,提出了一种基于多级中值滤波和小波域HMT模型的混合噪声抑制算法。在仿真实验中,将这种方法应用于混有椒盐噪声和高斯白噪声的Lena图像,并与其他的图像去噪方法相比。试验结果表明,这种方法在去除混合噪声、提高图像峰值信噪比的同时,具有更好的保持图像细节和边缘信息的能力。

基于BKF矢量HMT的非下采样剪切波域数字水印检测算法

以非下采样剪切波变换(NSST)及隐马尔可夫树(HMT)理论为基础,提出了一种基于BKF(Bessel K Form)矢量HMT的非下采样剪切波域图像水印算法.水印嵌入时,首先对原始载体图像进行NSST;然后构造自适应高阶水印嵌入强度函数;最后选择重要的NSST高频系数乘性嵌入水印.水印检测时,首先根据NSST系数的非高斯分布特性及NSST系数间的子带内、方向间、尺度间等多种相关特性,建立具有强描述能力的BKF矢量HMT模型;然后利用最大期望(EM)方法,估计出BKF矢量HMT模型参数;最后结合BKF矢量HMT模型和最大似然(ML)检验理论,构造出数字水印检测器并提取水印.仿真实验结果证明了本文算法的有效性.

基于小波域HMT模型InSAR干涉图噪声滤波研究

相干斑噪声是InSAR干涉图固有的,且InSAR干涉图对相干斑噪声十分敏感,为了得到精度更高的干涉测量产品,需要对干涉图进行相干斑噪声滤波。针对InSAR干涉图中相干斑噪声的统计特性,提出了一种基于小波域HMT模型的InSAR干涉图滤波算法,对InSAR干涉图的实部和虚部分别进行处理。试验研究结果表明,该方法在有效抑制相干斑的同时,还能有效地保持相位的细节信息和条纹的边缘结构,而且大大地减少了残余点的数量,有利于提高InSAR干涉测量的精度。