应用Hopfield神经网络和小波域隐Markov树模型的图像复原

为了解决传统的Hopfield神经网络图像复原算法对噪声抑制和图像细节保护不能很好兼顾的问题,提出了一种基于改进的连续Hopfield神经网络和小波域隐Markov树(HMT)模型的复原算法。将小波域HMT模型作为图像小波系数统计关系的先验知识,并以正则化项的形式引入到神经网络模型中,最终利用Hopfield神经网络的能量收敛特性完成图像复原。同时提出了一种高度并行的网络权值矩阵计算方法,通过对模板图像进行算子操作,分批求取网络权值,避免了大型矩阵的乘法运算。实验结果表明,无论是对真实图像还是人工生成图像,算法复原的视觉效果均有明显改善,提高信噪比(ISNR)较传统同类算法增加了0.3dB以上,达到了同时抑制噪声和保护图像细节的目的。

我国股市波动信息沿时间尺度流动的非对称性

股票市场中广泛具有短线投资者根据长线投资者的交易行为而执行相应交易的跟庄现象,长线和短线交易分别与不同的时间尺度相关联。经典的时间序列分析方法往往在单一时间尺度条件下展开,无法有效地探索不同时间尺度的股票交易行为间的内存关联。由此,本文引入小波域隐马尔可夫模型,以我国股市5分钟的高频交易数据为素材,研究了股市波动信息沿时间尺度流动的统计性质。结果表明波动信息在传导过程中表现出如下显著的非对称性:大尺度的低波动状态以大概率引发小尺度上的低波动状态,但大尺度的高波动状态只以相对小的概率诱发小尺度的高波动状态。最后,对这一结果的政策意义进行了解释。

基于自适应窗口固定及传播的多尺度纹理图像分割

本文提出一种基于自适应窗口固定及传播的多尺度纹理图像分割方法,在小波域隐马尔科夫树模型(WHMT)的初始分割基础上,根据分割粗尺度上的区域一致性好,细尺度上的边缘准确的特点,利用上下尺度像素之间以及本层邻域像素的马尔科夫性,标记出图像的一致性区域和边缘区域,将一致性区域固定,类标直接下传到下一尺度,边缘区域则利用邻域信息确定出上文权值背景传播到下一尺度,与下尺度一起共同指导图像分割,从而很好的保持了区域均匀性和边缘准确性.同时根据纹理图像区域聚集性的特性,利用基于多项式展开和置信区间交叉(LPA-ICI)方法找出各类区域聚集的物理位置中心,融入上下文权值背景中,使得指导分割策略能够更好的进行.实验表明,对于合成纹理图像来说,本文提出的多尺度融合算法在均匀区域内部及区域边界都大为改善,而且无须进行参数的训练,使算法快速的完成.

基于小波域隐马尔可夫模型的小波隐写分析

基于精确描述图像小波系数间统计特性的小波域二维隐马尔可夫模型(HMM)参数集合,提出一种针对小波域信息隐藏算法的新型隐写分析技术。通过使用二维HMM对小波系数进行建模,对生成的HMT森林在隐写前后的参数集合构造隐写分类特征,采用SVM分类器进行隐写判别。实验表明该方法适用于小波域隐写术的检测,对小波域QIM、MFP和BPCS隐写有较好的检测性能。

基于小波域隐马尔可夫树模型的医学图像去噪

目的:为了更好地去除DR医学图像噪声。方法:通过分析其噪声来源,在小波去噪和小波域隐马尔可夫模型的基础上,进行改进,即引入了方差不变性变换来调整原始图像的噪声模型为高斯噪声模型;图像分解为不同频率的不同子带,而隐马尔可夫树模型则用来规划小波系数的边缘分布。结果:自然图像处理实验结果表明,与普通的小波去噪方法相比,该方法不但可以保留图像的边缘信息,而且能提高去噪后图像的峰值信噪比。结论:同时用该方法处理DR图像,处理结果表明此方法在噪声去除、细节质量及骨骼锐化等方面比传统的高斯滤波及小波阈值滤波等方法效果要好。

基于隐马尔可夫树非高斯信号的建模分析与分类识别

研究了基于小波域隐马尔可夫树模型非高斯信号的建模方法 .探讨了海洋环境噪声和船舶辐射噪声在不同工况下所表现出的不同模型特征 ,并根据它们在 HMT模型参数上的特征差异提出了一种新的检测方法 ,实验证明 ,该方法的检测性能比过零检测、能量检测以及二阶统计量检测方法要好 .通过结合小波域隐马尔可夫模型和支撑向量机 ,提出了一种新的水声非高斯噪声信号的识别分类方法 ,实验证明 ,该方法具有较好的分类性能 .

基于小波域的隐马尔可夫树模型的图像去噪

小波去噪已经成为图像去噪的主要方法之一.首先介绍了隐马尔可夫树模型,进而给出了隐马尔可夫树算法,最后基于隐马尔可夫树模型,分别用3种相似的方法对Lena图像的不同加噪图像进行了去噪实验.实验表明,本文所用去噪方法,无论对于峰值信噪比还是对于视觉上的效果,都取得了令人满意的效果.

基于小波域分类隐马尔可夫树模型的图像恢复

针对自然图像的非平稳特性和图像恢复中计算困难的问题,提出了一种基于小波域分类隐马尔可夫树(CHMT)模型的图像恢复算法.从图像恢复的贝叶斯框架出发,将CHMT模型作为自然图像小波域的先验知识,构造正则化约束进行图像恢复.该模型具有空间适应性,使建模更加精确.对恢复方程的求解,采用了分类简化的共轭梯度算法.实验结果表明,该算法具有较低的计算复杂度,能提高图像恢复峰值信噪比(PSNR).

基于小波域CHMT模型的超分辨率图像重建

从图像重建的Bayesian方法出发,提出一种基于小波域分类隐马尔可夫树(CHMT)模型的超分辨率图像重建算法。将CHMT模型作为自然图像小波域的先验知识,采用混合高斯模型刻画各子带系数的概率分布,将超分辨率图像重建问题转化为一个约束最优化问题,并采用共轭梯度算法进行求解。同时,提出了自适应的规整化参数选择方法。实验结果表明,该算法具有较低的计算复杂度,在峰值信噪比和视觉效果方面都有所提高。

小波域马尔可夫随机场在THz图像处理中的应用(英文)

目前THz自由空间成像面临的挑战主要有大气损耗和水分吸收,辐射功率低,成像要获得高的信噪比,需要有更高功率的辐射源;数据获取时间长;图像质量仍需改善。分析了THz成像技术的最新发展趋势及国内外发展现状。阐述了利用THz辐射进行合成孔径成像、THz压缩感知成像的基本原理,并对两种种成像方法形成的THz图像的特点进行了分析。应用Wiener2,基于熵标准的ddencmp选定小波系数阈值降噪法、Donoho提出的小波系数阈值降噪法以及基于小波系数幅值渐近最优降噪法等图像降噪算法对THz图像进行处理效果从均方根误差、信噪比、相关系数等方面进行了定性、定量的比较。提出将小波域马尔可夫随机场应用于THz图像降噪中。主要完成了以下几个方面:对每个小波系数引入两个状态,一个状态对应图像的非平稳区域,如边缘;另一个状态对应图像平稳区。每个状态下的小波系数用高斯分布函数来描述,虽然每个状态下的小波系数服从高斯分布,但每个小波系数的两个状态混合模型服从非高斯分布。然后利用EM(Expectation Maximization)算法估计混合模型中的参数,采用贝叶斯准则初步确定理想图像小波系数的收缩因子。最后将小波域隐马尔可夫模型的降噪算法进行对比试验,仿真结果表明小波域隐马尔可夫模型的降噪算法更具有效性和优异性。

基于PCA-WHMM的超声漏表面波频域合成孔径成像研究

超声漏表面波可用于检测表面或近表面缺陷,其非接触检测的优点易于实现自动化检测。但由于波型转换与传播衰减,漏表面波的回波幅值较小,不利于缺陷检测和成像。仿真分析了漏表面波的传播特性及缺陷回波特征,应用主成分分析分离回波信号中的干扰波,再利用小波域隐马尔可夫模型算法分离整段信号的系统噪声,联合两种方法提取漏表面波信号中的缺陷信息,最后通过频域合成孔径算法对漏表面波扫查数据进行了高分辨率图像重建。结果表明,相比于传统B扫成像,基于PCA-WHMM的超声漏表面波F-SAFT方法在回波信号平均信噪比上提高了10.05dB,平均成像误差降低了26.3%,为金属表面及近表面缺陷检测提供了一种有效方法。