基于Shearlet變換的圖像分割與邊緣檢測研究.pdf

1、盡管傳統(tǒng)的小波變換已成功應用于信號處理領域，但是它不能有效地處理高維數據。剪切波的出現(xiàn)克服了傳統(tǒng)小波的局限，成為多尺度幾何分析領域的又一有效工具，它增強了基函數的方向敏感性，輕松有效地逼近線奇異信號。剪切波與多分辨率分析有聯(lián)系，且有著嚴密的數學理論，不但是一個靈活的高維數據的表示工具，而且具有簡單的離散化實現(xiàn)過程。
　　本文嘗試根據剪切波的優(yōu)點，還有變換后剪切波系數的概率統(tǒng)計特性實現(xiàn)了如下的改進算法：
　　(1)本文研究了一

2、種結合非下采樣的剪切波變換和矢量C-V模型的新的分割算法，首先利用非下采樣的剪切波變換所具有的平移不變性和對圖像多尺度和多方向性的分解，很好地保留了圖像的細節(jié)信息。而矢量C-V模型可以利用圖像的灰度信息，對圖像的整體把控比較好。我們將通過變換的多分辨率表示送進矢量C-V模型中，實現(xiàn)了一個新的圖像分割算法，既充分利用了圖像的細節(jié)信息又考慮到圖像的灰度信息。通過對自然圖像、紋理圖像和彩色圖像的仿真實驗，驗證了本文算法的有效性。
　　(

3、2)本文通過統(tǒng)計圖像剪切波變換后的系數概率規(guī)律，利用高斯混合模型對剪切波系數所對應的大、小狀態(tài)建模，充分利用剪切波變換捕獲圖像的線奇異信號的能力，再根據所建立的概率模型分離出圖像的邊緣信息，進而用改進的Ostu方法自動選取閾值，提取圖像的邊緣。從六組對比的仿真實驗看出我們算法邊緣線的連續(xù)性和流暢性和整體的視覺效果上有優(yōu)勢。
　　(3)在統(tǒng)計剪切波變換系數的概率規(guī)律的基礎上，繼續(xù)統(tǒng)計了圖像經過非下采樣的剪切波變換后系數的聯(lián)合統(tǒng)計特性