基于小波域隐马尔可夫树模型的多光谱遥感影像纹理分割技术研究

遥感图像纹理信息丰富,需要进行有效的纹理特征描述.小波域隐马尔可夫树(HM T)模型提供了一种有效的纹理特征提取方法.简述了HM T模型及分割思想,并在此基础上针对多光谱遥感图像,探索更好的纹理描述方法.通过适当的数学变换,得到多光谱遥感影像在不同角度下的描述:H—S—I分量和最大主成分分量.研究比较各分量特性并应用HM T模型,得到不同分量下纹理分割结果.实验表明,利用多光谱信息可有效地提高分割质量.

基于小波域隐马尔可夫树模型的图像复原

从图像复原的Bayesian方法出发,提出一种基于小波域隐马尔可夫树(HMT)模型的线性图像复原算法.小波域HMT模型采用混合高斯模型刻画各子带系数的概率分布,并通过小波系数隐状态在多个尺度之间的Markov依赖性来刻画自然图像小波系数随尺度减小而指数衰减的特性.由于小波域HMT模型准确刻画了自然图像小波变换的统计特性,该文算法以此作为自然图像的先验模型,将图像复原问题转化为一个约束优化问题并用最速下降法对其进行求解.同时,提出了一种规整化参数和HMT模型参数的自适应选择方法.实验结果表明,基于小波域HMT模型的图像复原算法较好地再现了各种边缘信息,复原出的图像在信噪比和视觉效果方面都有明显的提高.

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).

小波域隐马尔可夫树模型在图像去噪中的应用

小波域隐马尔可夫树(HMT)模型被广泛应用于统计信号和图像处理中,它成功描述了真实图像小波系数在尺度之间的相关性和依赖性,很好地体现了小波变换的延续性和非高斯性。这里通过构建图像小波域HMT模型,在应用期望最大(EM)算法估计HMT模型的参数之后,对小波系数进行贝叶斯估计达到去除噪声的目的。实验结果表明,去噪效果好于其他小波去噪算法。

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。

小波域隐马尔可夫树模型对多光谱影像的去噪研究

传统小波去噪方法认为尺度间小波系数是无关的，但实际小波系数具有明显的相关性，基于此，提出了一种基于小波域隐马尔可夫树模型的多光谱影像去噪方法。首先对影像各波段的小波系数进行建模；然后通过最大期望算法对小波域隐马尔可夫树模型参数进行估计，得到小波系数后再进行小波逆变换；最后通过波段合成得到去噪后影像。实验结果表明，该方法MSE和NMSE值最小，是其他方法的1/2~1/32；SNR和PSNR值最大，是其他方法的1~2倍，说明影像的降噪效果较好，且较好地保留了影像边缘和细节信息，为影像后续处理奠定了基础。

基于小波域隐马尔可夫树模型的超声图象贝叶斯去噪

提出了一种新的医学超声图象去噪方法 .首先 ,原始超声图象经对数变换 ,其乘性散粒噪声变为了加性噪声 ;然后再经小波变换后 ,基于隐马尔可夫树模型 ,应用贝叶斯方法去除加性噪声 ;最后 ,经小波反变换和指数变换恢复去噪后的原始超声图象 .测试结果表明 ,此方法在有效去除噪声的同时 ,能保留原始图象的细节边缘 .针对超声图象还对几种去噪算法作出定性比较 ,并对去噪性能给出定量分析 ,实验结果表明 。

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.

基于小波域隐马尔可夫树模型的过程趋势分析

提出了一种基于在线异常趋势的识别方法,该方法用到了所有的尺度系数和部分经过选择的大值小波系数来构造隐马尔可夫树,并且给出了一种选则大值小波系数的方法.实验结果表明该方法对过程趋势有很好的识别效果,在线应用时检测异常趋势所需时间也较少.

基于小波域隐马尔科夫树模型的图像分割

改进了传统的基于小波域隐马尔科夫树模型的图像分割方法.由于传统方法均为直接选择小波子带系数作为训练特征,不能直接得到像素级分割结果;同时传统方法在后融合方面对所有尺度均采用同一种上下文背景,而忽略不同尺度上初分割类标志图的特点.因此,本文在粗分割阶段首先处理了训练时参数设置的问题,并选取了更能表征纹理的特征,能直接得到像素级分割结果;在多尺度融合阶段,充分利用不同尺度上类标志图的特性,不仅考虑粗尺度信息对融合结果的影响也考虑了细尺度信息对结果的影响.实验表明本文算法的视觉效果好于与本文进行比较的Choi提出的HMTseg以及孙强提出的WD-HMTseg遥感图像分割算法.

基于小波域隐马尔可夫模型多尺度图像分割

提出了一种基于小波域自适应上下文结构的多尺度图像分割算法(JACMS).该算法为了减小计算复杂度,采用隐马尔可夫半树模型和参数加权训练算法,得到了可靠的初始分割.为了获得较好的区域一致性和边缘准确性,在进行尺度间融合时,采用自适应的上下文结构分别应用于图像纹理均质区域和图像纹理边缘,保证了图像大致轮廓的准确性和可靠性,提高了分割后图像纹理边缘的精确度.对合成图像与航摄像片的实验结果表明,该方法的分割错误概率低于传统的基于小波域隐马尔可夫树模型的图像分割方法,且对真实图像得到了理想的分割效果.

一种基于小波域隐马尔可夫模型的SAR相干斑抑制算法

相干斑噪声是 SAR图像的固有特点。对相干斑抑制的要求是在平滑噪声的同时 ,尽量保持原始图像的结构信息。现有的许多相干斑抑制方法各有优点和不足 ,没有普遍的适用性。基于图像在小波域的隐马尔可夫模型(HMMs)结构 ,结合 SAR图像中相干斑噪声的统计特性 ,本文提出了一种新的小波域相干斑抑制方法。仿真及实测数据处理结果表明 ,该方法在有效抑制相干斑的同时 ,更好地保持了边缘结构。与小波域软阈值去噪方法和 L ee滤波器相比较 ,该方法在噪声平滑及边缘保持上都取得了较大的改进 。

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。

多小波描述的通用隐马尔可夫树模型图像去噪算法

小波域通用隐马尔可夫树(uHMT)模型充分利用了实际图像内部的自相似性,仅用9个参数(与图像的大小和小波的尺度数目无关)就可以完全确定实际图像的隐马尔可夫树(HMT)模型,极大地简化了隐马尔可夫树模型,但这使得图像去噪的精度降低。多小波描述在图像去噪方面取得了较好的效果。利用通用隐马尔可夫树(uHMT)模型和多小波描述各自在图像去噪方面的优势,将两者结合起来,提出了一种称之为多小波描述的通用隐马尔可夫树模型(M-uHMT)的新的图像去噪算法。仿真结果表明,这种算法的去噪效果优于典型的去噪算法。

快速小波域隐马尔可夫模型的图像去噪

在分析小波系数的指数衰减性和延续性的基础上,提出了一种模型参数初始化的方法.MATLAB仿真实验结果表明,该方法给出了合理的模型参数初值,在有效缩短训练时间的同时能获得较理想的去噪结果.

基于第二代Bandelet域隐马尔可夫树模型的图像分割

第二代Bandelet可以充分利用图像的内在几何正则性特点,并能自适应获得图像的最优表示.本文采用隐马尔可夫树(Hidden Markov tree,HMT)模型对图像的第二代Bandelet系数建模,通过多尺度参数训练和基于上下文的最大后验概率进行图像分割.为了评价本文方法的性能,我们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HMT模型分割方法(WD-HMTseg)和Contourlet域HMT模型分割方法(CHM Tseg)进行比较说明算法的有效性.实验结果表明本文方法不但在边缘准确性和区域一致性上有明显改进,而且也降低了纹理图的错分概率.

双树复小波域隐Markov树模型降噪及在机械故障诊断中的应用

提出一种基于双树复小波变换的隐Markov树模型的信号降噪方法,并将其成功应用于机械故障诊断中。机械设备的振动信号中不可避免地存在着噪声,使得微弱故障信息的提取一直是故障诊断的难点和热点。双树复小波变换具有近似平移不变性,而隐Markov树模型能有效刻画小波系数间的相关性和非高斯性,两种优势的结合可以获得比常规软、硬阈值小波降噪法和小波域隐Markov树模型降噪法更好的降噪效果。它不仅能有效抑制高斯白噪声,还能够去除异常冲击干扰,仿真信号验证了这一点。对于实际滚动轴承信号,使用该方法同样可以获得满意的结果。

基于小波域隐马尔科夫模型的文本图像子带分割方法

本文在已有文献的基础上 ,通过分析不同子带小波系数之间的相关性 ,提出了一类基于小波域HMT(HiddenMarkovTree)模型文本图像分割方法 .其基本思想是先在子带分类的基础上 ,综合考虑不同尺度上的分类 ,进行多尺度文本图像分割 ,最后根据后验像素信息对上述方法所得分割结果进行修正 ,得到优于已有文献的分割效果 ,而且在一定程度上减少了分割算法的计算量 .

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。

基于上下文和隐类属的小波域马尔可夫随机场SAR图像分割

该文针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像含有大量的乘性斑点噪声的特点,提出了一种小波域隐类属的马尔可夫随机场(Markov Random Field,MRF)图像分割算法来抑制噪声的影响。考虑到小波的聚集性和持续性,该算法重新构造了待分图像小波域模型——以类属为隐状态的混合长拖尾模型,将隐类属的马尔可夫随机场推广到小波域上,并用改进的上下文模型估计尺度间转移概率,最后推导出了新的最大后验(Maximum A Posteriori,MAP)分割公式。仿真结果证明,该算法具有鲁棒性能够有效地抑制噪声对图像的影响,得到准确的分割结果。