基于小波域HMT模型的动态纹理分割方法研究

摘要

纹理分析是图像处理领域的基础性研究课题。动态纹理是纹理的一种类别，它作为纹理分析研究的重要内容，近年来已成为计算机视觉和数字图像处理领域的研究热点，在军事、工业、医学、智能交通、气象遥感、公共安全等领域有着广泛的应用价值。
　　多尺度分析方法也即多分辨率分析，是近年新兴起的一种信号分析技术，其可从不同尺度的角度描述景物，利用不同尺度分析问题、解决问题，更加有效地提取图像或视频特征并进行分析，为信号分析提供了一个全新的视角研究课题。小波变换作为多尺度分析的主要基础方法，其具有良好的时频分析特性，它能通过变换以充分突出问题某些方面的特性。马尔可夫理论作为描述局部统计分布的强有力工具，能有效地与小波域空时变换特性相结合，推动了小波域模型的发展，对准确刻画信号非平稳特性起着至关重要的作用。小波域隐马尔可夫（HMT）模型充分利用小波系数尺度间和尺度内的相关性，在纹理分析等方面表现出了出色的性能。
　　基于以上理论基础，本文主要研究基于小波域隐马尔可夫模型的动态纹理分割算法，主要工作如下：
　　1.提出三维小波域LMM-HMT模型。将HMT模型推广到三维空时域，改进已有的EM算法以进行参数估计，并改进分割过程以适应三维动态纹理的处理。在训练及粗分割阶段，结合纹理图像自身小波系数的分布规律，利用拉普拉斯分布尖峰厚尾的分布特性，对纹理图像的小波系数分布进行匹配，提出LMM-HMT模型及与之相对应的参数估计算法公式。在多尺度融合阶段，提出基于26邻域背景向量的多尺度融合方法。利用动态纹理帧间相互依赖关系，建立一个基于三帧纹理图像的26邻域背景向量模型。在像素级分割阶段，再次使用混合拉普拉斯分布模型，并给出参数估计算法，提高其最终分割效果。
　　2.提出三维小波域HMT-3S模型。通过连接三维小波域七个细节子带的小波系数，建立三维小波域上的HMT-3S模型，并提出对应的模型参数训练方法、似然函数计算及多尺度融合算法。将以上对基于小波域 HMT模型的动态纹理分割的改进算法应用到HMT-3S模型中，与HMT模型进行对比，使分割效果得到进一步提升。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题的研究背景及意义

1.2 课题研究主要方法与研究现状

1.3 课题的研究内容及章节安排

第2章 小波变换理论及小波域HMT模型

2.1 小波变换理论

2.2 图像的小波域统计模型

2.3 隐马尔可夫模型

2.4 小波域HMT模型

2.5 本章小结

第3章 基于小波域LMM-HMT模型的动态纹理分割

3.1 引言

3.2 三维小波域LMM-HMT模型

3.3 基于小波域HMT模型的动态纹理分割

3.4 实验结果与性能分析

3.5 本章小结

第4章 基于小波域HMT-3S模型的动态纹理分割

4.1 引言

4.2 小波域HMT-3S模型

4.3 基于小波域HMT-3S模型的动态纹理分割

4.4 实验结果与性能分析

4.5 本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢