马尔可夫随机场的小波域图像建模及应用研究

摘要

图像去噪是图像处理应用研究的基础，噪声会影响后续的图像处理，因此去噪算法的研究一直受到广泛的关注。图像分割是图像处理到图像分析的关键，而获得理想的分割结果仍是个难点，因此有必要对图像分割进行研究。在众多图像分析方法中，马尔可夫随机场（Markov random field，MRF）模型因其能有效刻画图像的空间信息且理论完善而广泛应用，并引起越来越多研究人员的关注。小波变换具有方向性、非冗余性和多分辨率分析的特性，是刻画图像非平稳性新的处理工具。利用小波的这些特性，将基于MRF模型的图像分析法与小波变换结合起来，能够提高图像分析的质量。
　　本文首先利用隐马尔可夫模型(HM MM odel,M arkovHidden）的统计特性，发展了小波域隐马尔可夫树(Tree，HM TM arkovHidden）模型，实现了小波域HMT模型的建立、参数估计等算法。将小波域 HMT模型应用于 TH-1影像去噪，首先对影像各波段的小波系数进行建模，然后利用最大期望算法估计模型参数，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，本文方法有效地去除了噪声，且保留了边缘和细节信息。其次实现了小波域多分辨率Markov随机场（multi-resolution Markov random field，MRMRF）的建模及分割，由于此方法在分割过程中使用固定的势函数，不同尺度间很难获得一致的分割结果，本文对此进行了改进，用可变的权值来连接特征场及标记场模型，每一尺度对应的特征场能量和标记场能量对总能量的贡献是不同的。将该算法对环境一号c星第一轨SAR遥感影像图进行试验，并和传统MRF分割方法、简单MRMRF分割方法进行对比，结果表明，本文算法获得了更为准确的分割结果，增加了算法的实用性。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景和意义

1.2 研究现状

1.3 论文研究内容及技术路线

1.4 论文主要工作量

1.5 论文章节安排

第二章 基于小波域HMT模型图像去噪理论

2.1 小波变换基本理论

2.2 马尔可夫随机场的基本理论

2.3 隐马尔可夫模型

2.4小波域HMT模型

第三章 基于MRF的小波域图像分割理论

3.1 图像分割概述

3.2 MRF模型

3.3 基于MRF的图像分割算法

3.4小波变换的多尺度图像分割

第四章 马尔可夫随机场的小波域图像建模及去噪

4.1 引言

4.2 影像去噪质量评价指标

4.3 处理流程

4.4 实验及质量评价

4.5 结论

第五章 马尔可夫随机场的小波域图像建模及分割

5.1 引言

5.2 ICM算法的实现

5.3 基于传统MRF分割方法存在的问题

5.4 小波变换的多尺度分割算法的实现

5.5 变权重小波域MRMRF建模与分割

结论与展望

参考文献

附录

致谢