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.     

改进的contourlet变换域隐马尔可夫树模型

Contourlet域隐马尔科夫树(C_HMT)模型不但可以描述尺度间的相关性,而且可以对方向子带间contourlet系数的相关性做出统计描述,是一种比小波域HMT模型更为有效的系数相关性描述方法.本文提出了一种改进的contourlet变换域HMT模型,节点的状态不只依赖于其父节点的状态,而且兼顾到其父节点相邻节点的状态.这种模型可以进一步捕捉尺度间contourlet变换系数更为丰富的相关性,从而能够更准确和有效的刻画contourlet变换系数的非高斯性和持续性.将该模型应用于图像的去噪,并与另外几种典型的去噪算法作定性比较,验证了本文提出的改进的C_HMT模型在图像去噪性能方面有一定的优越性.     

基于多尺度几何分析的医学图像融合

针对医学图像,提出了一种基于多尺度几何分析的医学图像融合算法。首先,利用Contoutlet变换对待融合两幅图像进行分解,将得到的低频分量分别利用Shearlet变换分解,并采用区域能量加权平均的规则,进行一次融合得到融合低频分量;对得到的高频分量分别用小波变换进行分解,再用低频、高频取大的规则进行一次融合得到融合高频分量,最后对得到的融合高低频分量进行Contourlet逆变换得到融合结果。实验结果表明,该算法在信息熵和平均梯度等参数上有明显提升,且能更好地表征图像中不同的奇异性。     

一种基于Contourlet域隐马尔可夫树模型的遥感影像融合方法

在多尺度通用传感器模型的框架下,通过结合Contourlet变换和隐马尔可夫树模型,对融合的Contourlet系数进行最大后验概率估计,建立了一种基于Contourlet域隐马尔可夫树模型的遥感影像融合方法.应用该方法和几种常用融合方法对SAR影像和多光谱影像进行实验和对比,结果表明,该方法在提高融合影像空间细节信息的同时,可以有效地保持多光谱影像的光谱信息.     

基于小波域多状态隐马尔科夫树模型多尺度文本图像分割

该文基于小波域多状态隐马尔科夫树（HMT）模型，引入一种新的文本分割方法。该分割方法是在H.Choi et al.(2001)工作的基础上，将文本按纹理分为背景、文字与图片3种类型，分别建立多状态HMT模型。另外，基于平滑图像将上述方法又作了进一步的改进，引入了多状态IHMT分割方法，最后通过实例阐明了方法的有效性。     

图像的多尺度几何分析：回顾和展望

多尺度几何分析旨在构建最优逼近意义下的高维函数表示方法．本文以二维函数的非线性逼近为主线，分析了推动多尺度几何分析发展的深刻数学和生理学背景，综述了图像多尺度几何分析方法的最新进展及存在的问题，指出了进一步研究的方向．     

基于隐马尔可夫模型的多孔径SAR目标检测

穿透叶簇５的ＶＨＦ／ＵＨＦ超宽带（ＵＷＢ）ＳＡＲ具有相对带宽很宽，积累角大的特点，可同时获得距离、方位两个方向的高分辨能力，能用于探测叶簇隐蔽的军用车辆等人造目标而有着重要的军事应用价值。在多孔径ＳＡＲ成像的基础上，本文用隐马尔可夫模型对人造目标和叶簇等杂波建模，可有效地检测目标，实现一个ＡＴＲ系统的预筛选处理。     

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。     

隐马尔可夫模型演化下的隐组查询

针对社会网络图中的隐组查询问题,提出了一种基于隐马尔科夫模型演化的方法。不同于传统方法,文中首先对“微观法则”提出了一些合理的假设,这些法则决定了在某时刻一个个体是否存在于一个特定群体。通过这些假设,可以得到社会个体和群体的动态演化。然后根据群体演化,找出长时间保持通信的群体作为潜在的隐组,再通过进一步分析,确保这些潜在的隐组以一个较高的概率成为理想的结果。为验证算法的有效性,文中分别对模拟和真实的数据进行了测试。     

基于小波域改进HMT模型的图像恢复算法

针对图像恢复中的边缘模糊问题,提出了一种基于小波域改进隐马尔可夫树( IHMT) 模型的图像恢复算法。IHMT模型更多描述了相邻尺度小波系数的互相关性,能准确刻画自然图像小波系数的统计特性。本文从图像恢复的贝叶斯框架出发,将简化的IHMT模型作为图像小波域的先验模型,构造正则化约束进行图像恢复。采用近似等价的方法,将含有混合密度的恢复方程简化为单一密度求解。实验结果表明,该算法能有效再现图像的边缘信息,提高峰值信噪比。     

一种基于小波域HMT模型的图像去噪方法研究

小波图像去噪已经成为图像去噪的主要方法之一。利用小波变换在去除噪声时,可提取并保存对视觉起主要作用的边缘信息,但现有的去噪声方法忽略了小波系数之间的相关性。针对这一不足,在小波域隐Markov树模型(HMT) 的基础上提出了一种图像去噪新方法。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。     

复小波域HMT模型图像复原

提出了基于二元树复小波变换（DT-CWT）的复小波域隐马尔可夫树（HMT）模型线性图像复原算法,并采用一种简单可行的快速算法来估计HMT模型参数。该方法较好地再现了各种边缘信息,其复原结果较传统的复原方法有不同程度的提高,其运行效率较传统的HMT模型参数估计方法有明显的提高。     

基于小波变换及隐式马尔科夫树模型的图像信号去噪

研究基于小波变换的隐式马尔科夫模型树(HMT)方法,用于去除图像信号中的白噪声。该方法利用了小波变换域系数间的相关性和自相似信息,并在Lenna图像中验证了方法的有效性。对不同程度污染的高斯白噪声图像的去噪效果与传统方法进行比较;结果表明,基于小波变换的HMT方法有更好的去噪效果,所建立的HMT模型更能体现图像的特征。     

图像的多尺度几何分析:回顾和展望

多尺度几何分析旨在构建最优逼近意义下的高维函数表示方法.本文以二维函数的非线性逼近为主线,分析了推动多尺度几何分析发展的深刻数学和生理学背景,综述了图像多尺度几何分析方法的最新进展及存在的问题,指出了进一步研究的方向.     

基于小波域分类隐马尔可夫树模型的图像去噪

为适应图像的空域非平稳变化,提出了一种基于小波域分类隐马尔可夫树(CHMT)模型的图像去噪方法。该模型中,图像在每一尺度每一子带的小波系数均被分成C组以突出其空域非平稳变化的特征,这样原来的一棵小波四叉树被分成了C棵具有不同HMT参数的小波四叉树．再经过合理的初始化和期望最大化(EM)算法训练参数,反变换恢复。实验结果表明,与已有方法相比,该方法在不增加计算量的前提下,明显改善了所恢复图像的质量(PSNR)。     

Fuzzy C-means Clustering Image Segmentation Algorithm Based on Hidden Markov Model

Mobile Networks and Applications - Aiming at the poor anti-jamming effect of traditional fuzzy c-means clustering image segmentation method, a fuzzy c-means clustering image segmentation algorithm...     

一种低复杂度二维隐Markov模型及其在图像分割中的应用

该文提出了一种通用的低复杂度二维隐Markov模型,推导了前向算法和后向算法的递归形式。文中没有使用前人为了降低时间复杂度而提出的相邻图像块间条件独立性假设,使提出的模型更加通用,并且可以根据需要调节水平和竖直两个方向信息的权重,具有更高的灵活性。将该模型应用于图像分割,实验结果证明了模型的有效性。