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。

基于小波域马尔可夫随机场的医学影像图像提取实现研究

对医学影像图像提取处理的小波域马尔可夫随机场数学模型进行了分析,较详细地研究了适当最优准则算法、最大后验边缘估计及多尺度概率值算法的数学原理。然后运用仿真软件对该模型的实现进行了设计、对比分析。最后对该系统进行了仿真实验与分析,验证了所设计系统的合理性。仿真表明结果与理论分析一致。

基于小波域层次Markov模型的图像分割

针对两个状态的有限高斯混合模型逼近小波系数的不足和小波域隐马尔可夫树标号场相互独立的缺点,提出了一种基于小波域层次马尔可夫模型的图像分割算法,这种模型用有限通用混合模型逼近小波系数的分布,使有限高斯混合模型只是其一种特殊情况;在标号场的先验模型确定上,利用马尔可夫模型描述标号场的局部作用关系,给出标号场的具体表达式,克服了小波域马尔可夫树模型标号场相互独立的不足,然后利用贝叶斯准则,给出相应的分割因果算法。该模型不仅具有空域马尔可夫模型有效的递归算法的优点,同时具有小波域隐马尔可夫树模型中的马尔可夫参数变尺度行为。最后用真实的图像和合成图像同几种分割方法进行了对比实验,实验结果表明了本文算法的有效性和优异性。

基于核自调整进行半监督聚类

半监督聚类是通过在无监督算法的基础上加入有限的背景知识来实现的。现有的基于核的半监督聚类算法对于核参数的设定仍需人工进行调节,其选择值会极大地影响最终的结果。通过将关联加入到聚类目标函数中,在聚类过程反复地优化高斯核参数,自动确定最佳RBF核,并将最佳核计算与SSKK算法结合起来得到SSKKOK算法。实验结果表明,该算法能在利用基于核半监督聚类算法功能的基础上自动设置有关的参数。

一种图象前背景分离的方法及实现

本文提出一种有效的图像的前背景分离算法及其实现。本文的基本思想是利用Meanshift算法对图象进行预分割,然后利用图论的观点对图象进行分割,最后利用matting算法对处理结果的局部进行优化,得到最终结果。实验结果表明,这种方法在仅需要少量用户输入情况之下,能够得到较好的分割效果。

Bayesian prestack seismic inversion with a self-adaptive Huber-Markov random-field edge protection scheme

Seismic inversion is a highly ill-posed problem, due to many factors such as the limited seismic frequency bandwidth and inappropriate forward modeling. To obtain a unique solution, some smoothing constraints, e.g., the Tikhonov regularization are usually applied. The Tikhonov method can maintain a global smooth solution, but cause a fuzzy structure edge. In this paper we use Huber-Markov random-field edge protection method in the procedure of inverting three parameters, P-velocity, S-velocity and density. The method can avoid blurring the structure edge and resist noise. For the parameter to be inverted, the Huber- Markov random-field constructs a neighborhood system, which further acts as the vertical and lateral constraints. We use a quadratic Huber edge penalty function within the layer to suppress noise and a linear one on the edges to avoid a fuzzy result. The effectiveness of our method is proved by inverting the synthetic data without and with noises. The relationship between the adopted constraints and the inversion results is analyzed as well.

Theoretical generalization of Markov chain random field from potential function perspective

The inner relationship between Markov random field(MRF) and Markov chain random field(MCRF) is discussed. MCRF is a special MRF for dealing with high-order interactions of sparse data. It consists of a single spatial Markov chain(SMC) that can move in the whole space. Generally, the theoretical backbone of MCRF is conditional independence assumption, which is a way around the problem of knowing joint probabilities of multi-points. This so-called Naive Bayes assumption should not be taken lightly and should be checked whenever possible because it is mathematically difficult to prove. Rather than trap in this independence proving, an appropriate potential function in MRF theory is chosen instead. The MCRF formulas are well deduced and the joint probability of MRF is presented by localization approach, so that the complicated parameter estimation algorithm and iteration process can be avoided. The MCRF model is then applied to the lithofacies identification of a region and compared with triplex Markov chain(TMC) simulation. Analyses show that the MCRF model will not cause underestimation problem and can better reflect the geological sedimentation process.

一种基于人类视觉的DCT数字水印算法

本文介绍了一种新颖的基于人类视觉系统的DCT数字水印算法,该算法不像大多数的水印嵌入算法所描述的那样将水印图像看作是噪声,而是在嵌入时利用人类视觉的特性考虑到了图像本身的所有信息,计算出每个像素点可改变的信息量,及可嵌入的信息量,使水印图像的强壮性达到最大。