資源描述：
《基于Contourlet域HMT模型的多尺度圖像分割》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、維普資訊http://www.cqvip.com第24卷第6期紅外與毫米波學(xué)報(bào)Vo1．24，No．62005年12月J．InfraredMillim．WavesDecember，2005文章編號(hào)：1001—9014(2005)06—0472—05基于Contourlet域HMT模型的多尺度圖像分割沙宇恒，叢琳，孫強(qiáng)，焦李成(西安電子科技大學(xué)信息處理研究所和雷達(dá)信號(hào)處理國(guó)家重點(diǎn)實(shí)驗(yàn)室，陜西西安710071)摘要：基于Contourlet系數(shù)分布統(tǒng)計(jì)特性，結(jié)合隱馬爾可夫樹(shù)(HMT)模型和貝葉斯準(zhǔn)則提出一種新的圖像分割算法．為了更有效保持C
2、ontourlet域不同尺度間的信息，提出一種新的加權(quán)鄰域背景模型，給出了基于高斯混合模型的象素級(jí)分割算法和基于新的背景模型的多尺度融合算法．分別選擇合成紋理圖像、航拍圖像和SAR圖像進(jìn)行實(shí)驗(yàn)，并與小波域HMTseg方法進(jìn)行比較以說(shuō)明算法的有效性．對(duì)合成紋理圖像給出錯(cuò)分概率作為評(píng)價(jià)參數(shù)．實(shí)驗(yàn)結(jié)果表明本文方法不但在邊緣信息和方向信息保持上有明顯改進(jìn)，而且錯(cuò)分概率明顯降低，對(duì)真實(shí)圖像得到了理想的分割效果．關(guān)鍵詞：圖像分割；輪廓波；隱馬爾可夫樹(shù)模型；圖像多尺度幾何分析中圖分類號(hào)：TP751．1文獻(xiàn)標(biāo)識(shí)碼：AMULTI．SCALEIMAGES
3、EGMENTATIONBASEDONCoNToURLET．DoMAINHIDDENMARKoVTREESMODELSHAYu-Heng，CONGLin，SUNQiang，JIAOLi-Cheng(InstituteofIntelligentInformationProcessingandKeyLaboratoryforRadarSignalProcessing，XidianUniversity，Xi’an710071，China)Abstract：Basedonthestatisticscharacteristicsofcontour
4、letcoefficients，anewmulti—scaleimagesegmentationmethod(CHMTseg)combiningContourletdomainhiddenMarkovtreesmodelwithmuhiscaleBayesianapproacheswaspresented．Anovelweightedneighborhoodmodelwasgivenforpreservingmoreinner—scaleinformationinContourletdomain．Thepixellevelsegmen
5、tationbasedonGaussmixturemodelandthemuhiscalefusionmethodbasedonthenewcontextualmodelwereprovided．Inexperiments，syntheticmosaicimage，aerialimageandSARimagewereselectedtoevaluatetheperformanceofthemethod，andthesegmentationresultswerecomparedwithwaveletdomainHMTsegmethod．
6、Forsyntheticmosaictex—tureimage，missclassedprobabilitywasgivenastheevaluationofsegmentationresults．Experimentresultsshowthatthemethodnotonlyhasbetterperformanceinedgesandanisotropyinformationdetectionbuthaslowermissedclassedprobabil—ity，anditcanachievesatisfiedsegmentat
7、ionresultsforrealimages．Keywords：imagesegmentation；contourlet；hiddenMarkovtreemodel；imagemuhiscalegeometricanalysis(Ridgelet)、單尺度脊波(MonosealeRidgelet)J、曲線引言波(Curvelet)和Contourlet等方向信息檢測(cè)新工小波理論日益成熟和發(fā)展，多分辨分析在圖像處具的產(chǎn)生，使圖像處理中高維奇異性問(wèn)題的解決初現(xiàn)理領(lǐng)域得到了廣泛應(yīng)用¨。J．小波對(duì)含點(diǎn)狀奇異的目曙光．脊波對(duì)具有直線奇異的多變
8、量函數(shù)具有很好的標(biāo)函數(shù)是最優(yōu)的基，在分析這類目標(biāo)時(shí)小波系數(shù)是稀逼近性能，但對(duì)含曲線奇異的多變量函數(shù)逼近性能只疏的，但對(duì)具有線狀奇異的函數(shù)，小波系數(shù)則不再稀相當(dāng)于小波變換，不具有最優(yōu)非線性逼近誤差衰減疏．在高維情況下，小波
