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