基于MRF和非采樣小波變換的動態(tài)紋理分割.pdf

1、動態(tài)紋理是時間上具有相關性,空間上具有重復性的紋理圖像序列。關于動態(tài)紋理的研究有很多方面,包括動態(tài)紋理的分類、分割、合成等。由于動態(tài)紋理普遍存在于人們生活的各個方面,因此具有廣泛的應用。
　　動態(tài)紋理分割即是對紋理圖像序列中的互不相疊、紋理均勻一致的若干區(qū)域重新標號的過程。馬爾可夫隨機場(markov random field,MRF)模型能夠有效地描述動態(tài)紋理特征,因此,本文深入研究基于馬爾可夫隨機場模型的動態(tài)紋理分割算法,并將

2、結合小波域的多分辨性,形成了非采樣小波變換的馬爾可夫隨機場(NSMRF)模型。本文的工作如下:
　　1、基于馬爾可夫隨機場模型的動態(tài)紋理分割:根據(jù)選取的鄰域系統(tǒng)和能量函數(shù)來描述動態(tài)紋理的特性,分別采用服從吉布斯分布的標記場以及服從高斯分布的觀察場來描述動態(tài)紋理,利用馬爾可夫鏈蒙特卡洛(markov chain monte carlo,MCMC)方法實現(xiàn)參數(shù)估計,形成基于MCMC方法的MRF動態(tài)紋理分割模型,運用最大后驗準則(MAP

3、)分割動態(tài)紋理。仿真實驗驗證MRF模型的有效性。
　　2、基于NSMRF模型的動態(tài)紋理分割:根據(jù)非采樣小波變換具有平移不變性,非采樣小波變換更適合于動態(tài)紋理分割,提出了基于非采樣小波變換的動態(tài)紋理分割算法。該算法還考慮到MCMC方法用于參數(shù)估計的耗時性,提出了改進的MCMC算法用于實現(xiàn)參數(shù)估計,從而減少動態(tài)紋理分割的計算復雜性。同時該算法考慮了同一尺度各個子帶小波系數(shù)的關系,建立了NSMRF模型。仿真實驗驗證了NSMRF模型用于動