基于Brushlet域HMT模型的图像分割算法研究

摘要

Brushlet变换是Meyer和Coifman于1997年提出。作为一种多尺度几何分析工具,它对图像中的方向信息非常敏感。Brushlet变换已在图像压缩和图像分类中取得了广泛应用。变换域统计图像建模理论基础扎实,以建模精度高、建模复杂度低闻名,成为近些年来的研究热点。
　　 本文详细分析了Brushlet域系数的统计特性,尝试建立Brushlet域HMT模型。首先我们提出了多尺度Brushlet变换的概念,将图像在不同尺度的Brushlet域上进行展开。通过多尺度Brushlet变换,我们发现各个尺度的Brushlet系数存在相关性:每一个低尺度子带的能量信息将按方向不同分配到各个高尺度子带。因此不同尺度子带之间的能量分布存在延续性。我们提出了一种“四对四”的树模型来建模这种延续性。接着我们分析了同一尺度Brushlet域系数的能量分布,发现其近似满足瑞利分布而且用两状态的RMM可以很好的拟合该分布。这为Brushlet域HMT尺度内建模提供了实验依据。我们利用隐马尔可夫模型,一方面描述RMM状态值和Brushlet域系数观察值之间的统计关系,另一方面建模各个尺度Brushlet系数的延续性。从而完成了Brushlet域HMT模型的建模。最后参照小波域HMT图像分割算法框架,将本文方法用于纹理图像分割,并取得了良好的分割效果。尤其对于粗纹理分割,本文方法的分割正确率要明显高于小波域HMT分割方法。
　　 BruttMT方法也存在一些不足,比如边缘定位不精确,图像细节信息丢失严重等。这些问题在SAR图像分割中尤为突出,为此我们对BruHMT模型进行了改进:①提出了尺度间融合策略,并将其用于BruHMT方法初分割结果的融合,在区域一致性和细节信息的保留问题上取一个折衷；②引入分水岭方法,利用其边界定位优势提高BruHMT方法的边缘分割效果。实验结果表明,改进后的BruHMT方法是有效的。

目录

文摘

英文文摘

第一章 绪论

1.1 研究背景

1.2 图像分割概述

1.3 统计图像建模

1.4 本文的主要内容与安排

第二章 Brushlet变换简介

2.1 小波变换理论

2.1.1 连续小波变换

2.1.2 离散小波变换

2.1.3 二维小波变换

2.2 小波包变换基本理论

2.3 Brushlet变换理论

2.3.1 正交加窗傅立叶基

2.3.2 正交Brushlet基

2.4 本章小结

第三章 Brushlet域HMT建模

3.1 变换域统计图像建模

3.1.1 高斯混合模型描述单个系数边缘分布的非高斯性

3.1.2 Markov树模型捕捉尺度间系数的延续性

3.1.3 EM算法

3.2 BruHMT建模

3.2.1 多尺度Brushlet变换

3.2.2 BruHMT尺度内建模

3.2.3 BruHMT尺度间建模

3.2.4 BruHMT模型参数训练

3.3 本章小结

第四章 基于Brushlet域HMT模型的图像分割方法

4.1 基于BruHMT模型的纹理分割

4.1.1 纹理定义

4.1.2 纹理分割

4.1.3.仿真实验及结果分析

4.2 基于BruHMT模型的SAR图像分割

4.2.1 SAR图像概述

4.2.2 Brushlet域HMT模型的不足

4.2.3 分水岭方法及其特点

4.2.4 尺度问融合策略

4.2.5 试验结果及分析

4.3 本章小结

第五章 总结与展望

5.1 论文工作总结

5.2 进一步工作展望

致谢

参考文献

研究成果