HMT与HMRF联合的SAR图像小波去斑方法

该文将隐马尔可夫树(HMT)和隐马尔可夫随机场(HMRF)两种模型相结合,提出了一种新的估计SAR图像小波系数隐状态的迭代算法.使用该算法可以充分利用小波系数尺度间和尺度内的相关性,更准确地估计隐状态.在此基础上,通过贝叶斯估计分离出小波系数中的信号成分即可消除噪声影响.实验结果表明,该算法能够有效抑制SAR图像相干斑,同时可较好地保持边缘等图像结构特征.     

自适应空间约束融入混合模型的遥感图像分割

为了降低图像噪声的影响并提高遥感图像分割精度,提出了一种自适应空间约束融入混合模型的遥感图像分割算法。考虑到学生t分布具有重尾特性比高斯分布更具有鲁棒性,利用学生t混合模型(Student’s-t Mixture Model, SMM)建模像素光谱测度概率分布。为了避免图像噪声对分割结果的影响,基于马尔可夫随机场利用局部像素类属概率定义组份权重,将像素空间相关性融入SMM,进而构建出空间约束图像分割模型。为了实现自适应平滑系数的模型参数求解,采用梯度下降方法求解分割模型。采用本文算法对添加噪声的遥感图像进行分割实验,结果表明,所提算法可有效降低图像噪声的影响,同时可准确分割高分辨率遥感图像。     

基于小波域隐马尔可夫混合模型的SAR图像降斑算法

在小波域马尔可夫随机场(MRF)和隐马尔可夫树(HMT)的基础上,提出了一种新的合成孔径雷达(SAR)图像降斑算法.该算法在对乘性噪声不取对数变换的情况下,融合了贝叶斯最小均方误差(MMSE)抑制噪声技术.为了提高HMT的速度,采用了一个新的隐马尔可夫半树模型,该模型考虑了小波系数的持续性和聚类性,分别用HMT和MRF刻画.仿真结果表明该算法在抑制斑点噪声的同时,有效的保持了边缘,避免对数变换带来的一些误差,取得了好的效果,其速度比HMT模型提高了二十倍.     

一种基于HMRF模型的无监督图像分割算法

研究了基于隐马尔可夫随机场(HMRF)模型的无监督图像分割问题.对于每一阶模型的图像分割,该算法充分利用了相邻模型之间的相关信息,由此,该算法克服了均值场算法对初始化条件要求非常苛刻的缺点.而且,针对无监督图像分割的模型选择问题提出了带惩罚项的误差平方和阶次判定准则.实验结果证实本文提出的阶次判定准则优于伪似然信息准则(PLIC),并且,该算法具有满意的分割结果.     

基于区域的MRF模型用于SAR图像分割

本文提出了一种建立在流域算法过分割结果区域图上的马尔可夫随机场模型的SAR图像分割算法.由于将马尔可夫场随机场(MRF)模型建立在预分割的基础上,极大减少了计算复杂度,并利用SAR图像的分布模型建立多层MRF模型,采用模拟退火优化得到MAP估计的分割结果.实验证明较传统的基于像素的马尔可夫随机场分割算法,该方法极大提高了运算速度,并能取得较为满意的分割结果.     

基于改进小波域隐马尔可夫模型的遥感图像分割

该文提出了一种基于改进小波域隐马尔可夫树(HMT)模型进行图像分割的方法。该方法利用基于希尔伯特变换对的二维方向小波,这种小波变换具有平移不变性、方向检测性好的特点。同时该方法还利用拓展HMT对该改进小波域中尺度间的小波系数相关性进行建模,并结合多背景融合技术进行遥感图像的分割,得到了优于已有文献的分割结果,而且与同类算法相比,降低了算法所需的计算量。     

基于混合高斯模型的三马尔可夫场红外图像分割

针对马尔可夫随机场在红外图像分割方面存在的问题,给出了一种基于混合高斯模型的三马尔可夫场红外图像分割算法.三马尔可夫场在马尔可夫随机场的基础上通过引入一个附加随机场和全体随机变量服从马尔可夫性假设,克服了马尔可夫场算法中对条件概率分布相互独立的要求,并赋予该附加随机场对目标和背景区域的标识作用,其中采用混合高斯模型作为三马尔可夫随机场的先验模型.仿真结果表明,文中提出的基于混合高斯模型的三马尔可夫场红外图像分割算法能够实现复杂背景的红外图像准确分割,得到较为理想的分割效果.     

结合博弈论的马尔可夫随机场红外图像分割

电路板红外图像芯片提取是电路板红外图像故障检测系统中的重要环节,已成为红外图像分割领域关注的一个重点。传统的芯片发热区域提取方法大多需要人工干预,且分割效果不理想,容易丢失边缘信息,导致细节特征不明显。针对以上缺陷提出一种结合博弈论的改进马尔可夫随机场分割算法。首先用现有的OTSU算法对图像进行粗分割,将图像分为两个子集(背景域和目标域),然后利用马尔可夫随机场(MRF,Markov Random Field)理论建立图像分割模型,最后利用结合博弈理论的MMD(Modified Metropolis Dynamics)算法,根据模型分别对每个子集进行细致分割,提取核心发热区域。实验表明,改进算法应用在电路板芯片发热区域提取时,能够较好地抑制噪声,准确处理边缘信息,与传统算法相比,在视觉效果和客观数据上都有很大的提高,具有一定的准确性和鲁棒性。     

基于快速EM算法的马尔可夫随机场模型运动目标自动分割

文章提出一种基于高斯马尔可夫随机场(GMRF)模型的运动目标自动分割算法。该算法采用高斯混合分布描述视频序列的差分图像，对标准Expectation—Maximization(EM)算法进行了改进，提出了快速EM算法。从不完整数据中估计出概率模型的参数。在此基础上建立马尔可夫随机场模型，构造系统能量函数。然后通过条件迭代模型(ICM)优化算法求解能量函数的最优解，得出标记场，提取出运动目标。实验结果证明，该算法对运动目标分割具有很好的分割效果。     

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。     

融合局部和非局部信息的自适应贝叶斯分割方法

传统基于马尔可夫随机场(MRF)的贝叶斯分割方法由于只考虑邻域像素点的先验影响,无法有效抑制相干斑噪声;边缘区域分割效果欠佳,因为先验模型假定邻域中每个像素对中心像素的影响相同。因而,该文提出一种融合局部和非局部信息的自适应贝叶斯分割方法。针对SAR图像中的相干斑噪声模型,引入基于比率概率的相似性测度,用非局部相似像素块指导当前像素点的分割;并且采用变分系数(Coefficient of Variation, CV)方法获取边缘区域图像模板,在边缘区域自适应地调整定义的结构指数以及搜索窗尺寸,从而改善分割过度平滑与结构保持的矛盾;在实验分析中,利用新方法对部分图像进行了分割实验,并与传统方法作了比较。改进方法的分割结果形状更为准确,不但抑制了相干斑噪声,还有效保持了细节特征,具有显著优势。     

基于MRF模型的可靠的图像分割

本文提出一种可靠的图象分割算法。基于实际图象是分割图像叠加了不规则噪声的假设,用ＭＦＲ模型描述分割图象的先验分布,用被污染的高斯分布描述待分割的图像。采用Ｂａｙｅｓ方法,根据分割图像的后验分布所对应的ＭＲＦ模型的条件概率,用ＩＣＭ局部优化方法,获得ＭＡＰ准则下的图像分割结果。该算法与Ｌａｋｓｈｍａｎａｎ等提出的算法相比,具有更好的可靠性,实验结果是令人满意的。     

一种基于马尔可夫随机场的SAR图像分割新方法

该文提出了一种基于马尔可夫随机场(MRF)的合成孔径雷达(SAR)图像分割新方法。在传统MRF的邻域基团势函数基础上,引入了图像邻域中各个像素的强度差值以及像素之间的距离因子,使SAR图像中空间上下文信息得到了更加充分的利用。根据贝叶斯定理将图像分割问题转化为最大后验概率的求取问题,运用迭代条件模型(ICM)算法求得最大后验概率的解。在实验中,将该文提出的方法、传统上使用ICM以及模拟退火(SA)优化方法的MRF分割运用于模拟的SAR图像以及真实SAR图像。比较结果证明,该文的方法在误分率以及抗噪性上更具优势。     

一种新的含噪遥感图像Otsu分割算法研究

Otsu（最大类间方差）是经典的非参数、无监督、自动获取最佳阈值的最优图像分割方法。但是,在用于含噪图像的分割时,Otsu方法并不能取得理想的分割效果。针对这一问题,本文在Otsu分割方法的基础上,给出了一种新的含噪遥感图像分割算法。该算法首先用小波包对含噪图像进行全局阈值的去噪处理,然后利用局部加权回归对图像像素逐一估计去噪,得到去噪后的图像,之后采用Otsu方法对估计图像分割。仿真实验表明：该算法不仅计算量小,具有良好的抗噪能力,而且获得了较好的分割效果。     

基于统计对消的激光水下图像的目标提取法

激光水下目标的识别是一个崭新的研究领域，有许多问题亟待解决，其中目标提取问题是关键。由于激光照射下的水下图像含有大量的散斑噪声，严重影响图像的质量。依据统计规律相同的噪声可以对消图像中的噪声这一原理，结合小波变换和统计方法，提出了一种基于统计对消的水下目标分割方法(SC)。其中，采用小波变换，对低频成分进行特殊处理，以增强图像中的目标信息；采用统计方法来充分抵消图像中的干扰噪声。实验结果表明，水下目标分割方法是有效且可行的。     

基于图像分解的稀疏正则化多区域图像分割方法

针对图像具有不同特征的成分,提出一种基于图像分解的多区域图像分割模型和算法.首先将图像分解项引入到图像分割模型中,递减了纹理和噪声对分割的影响;其次使用稀疏正则化方法保持分割区域的边缘几何结构;最后基于增广Lagrange乘子法,给出一种由扩散流引导的小波迭代阈值图像分割算法.一系列实验结果表明,提出的方法抗干扰能力强,对噪声具有更好的鲁棒性.提出的方法不仅能够分割结构图像,并且能够分割较复杂的纹理图像.     

A segmentation model using compound Markov random fields based on a boundary model.

Markov random field (MRF) theory has been widely applied to the challenging problem of image segmentation. In this paper, we propose a new nontexture segmentation model using compound MRFs, in which the original label MRF is coupled with a new boundary MRF to help improve the segmentation performance. The boundary model is relatively general and does not need prior training on boundary patterns. Unlike some existing related work, the proposed method offers a more compact interaction between label and boundary MRFs. Furthermore, our boundary model systematically takes into account all the possible scenarios of a single edge existing in a 3 x 3 neighborhood and, thus, incorporates sophisticated prior information about the relation between label and boundary. It is experimentally shown that the proposed model can segment objects with complex boundaries and at the same time is able to work under noise corruption. The new method has been applied to medical image segmentation. Experiments on synthetic images and real clinical datasets show that the proposed model is able to produce more accurate segmentation results and satisfactorily keep the delicate boundary. It is also less sensitive to noise in both high and low signal-to-noise ratio regions than some of the existing models in common use.     

基于改进的双水平集的MRI图像快速分割方法

针对MRI图像具有高噪声与灰度不均的特点,提出了结合小波变换与中值滤波的去噪预处理的双水平集的快速分割方法。对于MRI图像存在的多种噪声问题,利用小波变换去除高斯噪声,采用中值滤波去除椒盐噪声,对原始图像进行预处理。在传统的双水平集模型中增加一个自适应的加速因子,对去噪图像进行快速分割得到分割效果图。实验结果表明,改进的算法显著加快了图像分割速度,既有较强的抗噪性,又保留了图像的细节信息,且无需重新初始化,取得了良好的分割效果。     

双窗口特征的SAR图像丛林区域MRF分割算法

针对固定窗口灰度共生矩阵纹理特征对合成孔径雷达(SAR)图像丛林区域分割存在的局限性,讨论了丛林区域纹理特征值的聚类特性,分析计算窗口大小对分割的影响。基于马尔科夫随机场(MRF)分割方法对SAR图像噪声抑制能力,提出一种基于小窗口纹理特征分割作为初始标记计算初始吉布斯分布,大窗口纹理特征作为样本估计高斯分布的MRF分割方法。该方法经实验验证,能够改善分割噪声和边缘模糊的问题,很好地对SAR丛林区域进行分割。     

基于合成孔径雷达的SAR图像去噪

针对SAR图像相干斑抑制问题.提出一种双变量收缩函数与小波系数显著性增强相结合的SAR图像的斑点抑制算法.文中将双树复小波推广至斑点噪声模型,利用相邻尺度小波系数的联合概率密度函数与噪声的统计模型联立后.通过最大后验概率估计出滤波后图像的小波系数.再采用小波系数的模极大值准则对系数进行显著性增强.突出图像的边缘特征和点特征.仿真实验表明.与其他传统的去噪算法相比.本文提出的算法具有更好的去噪效果.