多尺度变换域隐马尔可夫树纹理图像特征提取模型

论文摘要

多尺度几何分析相对于小波分析逼近性能的提高,其意义丝毫不亚于小波分析相对于Fourier分析逼进性能的提高。Curvelet变换不仅多尺度,引入的方向参量使其具有高度各向异性,对图像边缘有优越表达能力,能用较少非零系数表示出图像边缘信息。将Curvelet应用于去噪时噪声去除比较彻底,去噪效率高,边缘保护能力强,但存在“阶梯”效应。基于偏微分方程（PDE）的图像去噪在图像处理领域中崭露头角,能很好对图像进行平滑处理。其中四阶偏微分方程去噪能很好的恢复平滑区域保护细小纹理,并且避免“阶梯”效应产生,但去噪效率不高,保护边缘能力不强。为了对含噪图像进行去噪处理,提高图像特征提取和检索效率,本文提出利用权函数将Curvelet去噪和四阶偏微分方程中LLT模型相结合的去噪模型。实验表明该模型能很好发挥二者优点,PSNR和视觉效果都优于单一的Curvelet或LLT方法。Contourlet变换由多尺度分析与方向分析构成,具有各向异性尺度关系,其分解系数具有非高斯性和持续性等特点。为很好的利用相关性描述纹理图像特征,针对目前Contourlet域隐马尔可夫树模型（CHMT）同等考虑父结点的相邻结点对子结点的影响,本文提出一种加权Contourlet域隐马尔可夫树模型对纹理图像进行特征提取。分析子结点的状态时,不仅考虑父结点信息,而且利用权重评价父结点兄弟结点对子结点的影响,并将通过附加状态转移矩阵体现出来,使得新模型能更加准确的描述Contourlet系数和HMT的内在联系。同时运用K-L距离计算图像间的相似度,实验结果表明,本模型比CHMT平均检索率高出7%-46%。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 研究背景与意义
• 1.2 现状及研究内容
• 1.3 论文组织结构
• 2 结合Curvelet变换和四阶偏微分方程的图像去噪模型
• 2.1 Curvelet变换理论和去噪
• 2.1.1 Curvelet变换理论
• 2.1.2 基于Curvelet变换的去噪
• 2.2 四阶偏微分方程去噪LLT模型
• 2.3 结合Curvelet变换的LLT去噪模型
• 2.3.1 综合模型的考虑
• 2.3.2 权函数的分析
• 2.4 实验结果及分析
• 2.5 小结
• 3 Contourlet变换和隐马尔可夫模型
• 3.1 Contourlet变换理论
• 3.2 Contourlet变换系数关系
• 3.3 隐马尔可夫模型
• 3.3.1 子波变换的三级统计特性
• 3.3.2 隐马尔可夫模型
• 4 加权Contourlet域隐马尔可夫树纹理图像特征提取模型
• 4.1 纹理图像检索
• 4.1.1 图像检索
• 4.1.2 基于内容的图像检索
• 4.2 Contourlet域隐马尔可夫模型
• 4.2.1 Contourlet系数边缘分布
• 4.2.2 Contourlet域隐马尔可夫模型
• CHMT）'>4.3 加权的Contourlet隐马尔可夫模型（W_CHMT）
• 4.4 纹理检索实验结果分析及对比
• 4.5 小结
• 5 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 附录1 攻读硕士学位期间发表的论文
• 致谢