方向性多分辨率圖像分析研究：理論和應(yīng)用.pdf

1、本論文研究方向性多分辨率分析和神經(jīng)網(wǎng)絡(luò)PCNN在圖像分析中的應(yīng)用。 有關(guān)方向性多分辨率分析的研究一直是信號處理的重點內(nèi)容。有許多在多分辨率分析框架下提取信號方向性信息的方法，這些方法都試圖提供高維信號的方向性表達(dá)，附加地還必須滿足理想重構(gòu)，低冗余度，高計算效率等性質(zhì)。DTCWT、Contourlets、NSCT、PDTDFB等變換是目前流行的方向性多分辨率分析方法，但它們都有各自結(jié)構(gòu)性的缺陷。 神經(jīng)網(wǎng)絡(luò)PCNN是優(yōu)異的圖

2、像分析工具，是一種具有旋轉(zhuǎn)不變、尺度不變、平移不變等特點的圖像變換方法。PCNN可以提供對原圖像在不同尺度下的逼近序列，因而具有多分辨率分析的性質(zhì)。與小波和多尺度分析不同，PCNN直接檢測邊緣信息，這些邊緣信息可用于特征提取、圖像分割、目標(biāo)識別、除噪和增強(qiáng)等應(yīng)用。 本論文的主要內(nèi)容和貢獻(xiàn)如下： 1、基于解析信號復(fù)小波變換的思想，提出了基于解析信號的P-Contourlet變換，通過在原始信號的解析信號上實施Contour

3、let變換，實現(xiàn)了一種平移不變的方向性多分辨率方法，變換具有相信息。根據(jù)方向性分辨率的不同，我們將該方法分為單通道方法P-Contourlet-I和雙通道方法P-Contourlet-II。P-Contourlet實現(xiàn)結(jié)構(gòu)簡單，冗余度較低。紋理分類實驗結(jié)果表明，P-Contourlet是一種非常有效的圖像分析工具。 2、基于對偶樹復(fù)小波的思想，提出對偶樹Contourlet變換DTCT。我們研究PDTDFB的結(jié)構(gòu)和實現(xiàn)方法，認(rèn)知

4、到它在濾波器設(shè)計和系統(tǒng)實現(xiàn)上存在一些問題，所以我們提出一種易于實現(xiàn)的結(jié)構(gòu)DTCT。兩個級聯(lián)的DFBs樹形結(jié)構(gòu)對拉普拉斯金字塔的高通子帶進(jìn)行方向性分解，單獨的每個樹形結(jié)構(gòu)構(gòu)造為正交系統(tǒng)，實樹和虛樹對應(yīng)的濾波器之間滿足一定的相約束條件，整個變換為緊框架。我們分析了DTCT的系統(tǒng)結(jié)構(gòu)和濾波器特性，并提出了系統(tǒng)所需要的濾波器設(shè)計方法。DTCT實現(xiàn)了近似的平移不變性，方向性分辨率和PDTDFB相同，由于是雙樹結(jié)構(gòu)，變換具有相信息。與PDTDFB相

5、比，具有結(jié)構(gòu)上的簡單性和實現(xiàn)的有效性。 3、提出了一種基于二值傅里葉譜的紋理預(yù)分類算法，將紋理庫中的圖像分為結(jié)構(gòu)紋理和隨機(jī)紋理。實驗表明，對結(jié)構(gòu)紋理，利用方向性分解來分析，可實質(zhì)性地提高檢索率。 4、基于濾波器組的圖像分析方法(小波、Contourlets及基于DFBs的方法等)對圖像的旋轉(zhuǎn)和尺度的變換非常敏感，我們提出了一種基于PCNN的圖像檢索方法，圖像特征具有旋轉(zhuǎn)不變、尺度不變和抗噪聲的特點。實驗表明該方法是有效的