基于Contourlet域HMT模型的多尺度图像分割

基于Contourlet系数分布统计特性,结合隐马尔可夫树(HMT)模型和贝叶斯准则提出一种新的图像分割算法.为了更有效保持Contourlet域不同尺度间的信息,提出一种新的加权邻域背景模型,给出了基于高斯混合模型的象素级分割算法和基于新的背景模型的多尺度融合算法.分别选择合成纹理图像、航拍图像和SAR图像进行实验,并与小波域HMTseg方法进行比较以说明算法的有效性.对合成纹理图像给出错分概率作为评价参数.实验结果表明本文方法不但在边缘信息和方向信息保持上有明显改进,而且错分概率明显降低,对真实图像得到了理想的分割效果.

基于二维局部均值分解的自适应保真项全变分图像滤噪方法

为了在滤除图像噪声的过程中既保留图像的边缘细节,又对噪声有良好的滤除效果,提出一种基于二维局部均值分解和局部高频能量的自适应保真项全变分图像滤噪算法.首先采用二维局部均值分解算法自适应地将图像分解成从高频到低频不同尺度的成分;然后将其中最高频的成分用于计算局部能量函数,求得自适应保真项参数;最后通过求解最小化能量泛函实现图像噪声滤除.实验结果表明,该算法能较好地保留图像的细节边缘,即使在强噪声下也能较好地对图像平滑区域实现滤噪,解决了其他算法在保留边缘的同时产生的阶梯效应、斑点效应以及边缘附近噪声滤除效果差等问题;且相比于自适应保真项全变分图像滤噪等典型算法,具有更好的鲁棒性与更快的处理速度.

基于二维局部均值分解的图像边缘检测算法

针对二维局部均值分解(bidimensional local mean decomposition,BLMD)中影响算法速度的两个主要因素:自适应搜索窗口和迭代终止条件,提出了优化方法,并在其基础上提出了一种边缘检测算法。该算法采用Delaunay三角剖分得到局部极值点的理想规则化的三角网格,通过网格划分确定相邻极值点及滑动平均窗口的大小,并提出了一种新的BLMD算法迭代收敛条件,通过对人工合成图像以及自然图像的实验,证实了该优化算法与原算法结果非常接近甚至更优,且大幅度提高了计算速度。对BLMD得到的最高频分量进行直方图均衡,将其结果二值化,通过设定阈值剔除其中不连续的细小边缘,通过形态学将其骨骼化,得到最终提取的边缘。与几种典型边缘检测算子的比较实验表明,新算法可以较好地检测出图像边缘,相对于其他边缘检测算子,对于图像中的纹理等细节边缘有着更佳的检测效果;并且得益于BLMD图像多尺度分析的优势,较好地避免了因光照明暗等低频因素产生的假边缘,提取出的边缘更符合视觉上的主观检测。

基于NSCT的SMP立体匹配算法研究

针对区域立体匹配算法中匹配窗口自适应选择的难点,提出一种基于多尺度分析Nonsubsampled Con-tourlet变换(NSCT)的快速区域立体匹配新算法.首先介绍NSCT并对其时移不变性进行讨论.采用由粗到精的匹配策略和快速的SMP匹配代价函数降低运算量.实验结果表明,该算法具有很高准确率.

二维局部均值分解算法

为了获取不同尺度下的特征信息用于滤噪、边缘提取等图像处理,在一维局部均值分解基础上提出一种二维局部均值分解算法.首先用快速8-邻域窗算法或者灰度形态学重构算法提取图像的局部极值点;然后通过Delaunay三角剖分将求得的极值点划分成三角网格来确定每一个极值点的相邻极值点,进而得到相邻极值的局部均值函数和包络估计函数;最后采用一种综合考虑二维乘积函数极值点空间特征和包络估计函数极值大小的停止筛分条件,通过迭代寻优方法得到相应的二维乘积函数,将图像分解成不同尺度下的成分.在Tree,Cameraman等经典图像上的实验结果表明,该算法能快速有效地实施图像多尺度分解,性能好于二维局部均值分解算法及传统的二维经验模态分解算法.