統(tǒng)計(jì)圖像建模與分割算法研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩85頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、為了有效地處理和分析圖像,人們始終對(duì)統(tǒng)計(jì)圖像建模技術(shù)給予了極大的關(guān)注。在圖像分割領(lǐng)域,統(tǒng)計(jì)圖像建模技術(shù)通過(guò)簡(jiǎn)單的數(shù)學(xué)模型捕獲了圖像中的關(guān)鍵信息,達(dá)到了良好的應(yīng)用效果,其相關(guān)技術(shù)的研究已成為了當(dāng)前國(guó)內(nèi)外學(xué)者研究的熱點(diǎn)。本文圍繞圖像分割這一應(yīng)用領(lǐng)域?qū)臻g域和小波域統(tǒng)計(jì)圖像建模進(jìn)行了研究,提出了自己新的模型和紋理圖像分割方法。本文的研究工作主要包括以下幾個(gè)方面:
   (1)提出了Enhanced Hidden Markov Mode

2、l-Hidden Markov Tree(EHMM-HMT)模型和基于EHMM-HMT模型的圖像分割方法。為了改進(jìn)HMM對(duì)圖像宏觀結(jié)構(gòu)的描述能力,在空間域我們提出了EHMM模型;而后,我們運(yùn)用EHMM和小波域HMT分別對(duì)圖像塊間的相關(guān)性和圖像塊內(nèi)紋理特征建模,提出了EHMM-HMT模型。實(shí)驗(yàn)結(jié)果表明EHMM模型改善了模型對(duì)圖像的宏觀(塊間)特征的描述。
   (2)提出了 Enhanced Hidden Markov Model

3、-Hidden MarkovTree-3S(EHMM-HMT3S)模型和基于EHMM-HMT3S模型的圖像分割方法。本文從如何進(jìn)一步提高EHMM-HMT模型對(duì)塊內(nèi)紋理特征建模的準(zhǔn)確度出發(fā),分析了HMT和HMT-3S兩個(gè)模型對(duì)紋理描述的能力,認(rèn)為HMT-3S模型比HMT模型能更全面地捕獲Discrete Wavelet Transform(DWT)子帶間統(tǒng)計(jì)相關(guān)性。于是,我們將EHMM模型與HMT-3S模型相結(jié)合提出了EHMM-HMT3S

4、模型,實(shí)驗(yàn)結(jié)果表明該模型在紋理特征描述方面的有效性。
   (3)為了提高模型在細(xì)尺度上邊界檢測(cè)的能力和降低EHMM-HMT模型的計(jì)算復(fù)雜度,本文提出了基于EHMM-HMT模型和Multi-States Weighted HiddenMarkov Tree(MSWHMT)的多尺度圖像分割方法。鑒于基于EHMM-HMT模型的圖像分割方法有計(jì)算復(fù)雜度較高、邊界感知能力較弱的不足,我們提出了基于MSWHMT模型的多尺度圖像分割方法。M

5、SWHMT模型著重描述了圖像中不同類型紋理子結(jié)構(gòu)的統(tǒng)計(jì)關(guān)系,舍棄了對(duì)紋理子結(jié)構(gòu)間的空間結(jié)構(gòu)關(guān)系的捕捉,將各類型紋理子結(jié)構(gòu)的宏觀估計(jì)與局部描述有機(jī)結(jié)合。相比HMT模型MSWHMT增強(qiáng)了對(duì)不同類別紋理的判別能力,相比EHMM-HMT模型則去除了圖像塊間的相互作用,提高了模型對(duì)邊界的感知能力。實(shí)驗(yàn)表明該模型在各細(xì)尺度上達(dá)到了減少區(qū)域邊界誤分的目的,并有效地降低了模型的計(jì)算復(fù)雜度。
   (4)在多尺度融合策略方面,提出了結(jié)合邊界信息的

6、多尺度貝葉斯融合策略。該策略的提出基于兩點(diǎn)考慮:一方面,基于EHMM模型在最粗尺度上的初分割比較可靠,區(qū)域一致性好;另一方面,基于MSWHMT模型在各細(xì)尺度上的初分割的邊界保持效果好。該融合策略結(jié)合初分割結(jié)果和似然從圖像分割的角度給出了邊界新的定義,并區(qū)別處理邊界節(jié)點(diǎn)和非邊界節(jié)點(diǎn)。實(shí)驗(yàn)結(jié)果表明該策略綜合了區(qū)域一致性和邊界保持兩方面因素,取得了良好的融合效果。
   本文工作得到了國(guó)家自然科學(xué)基金(No.60673097)、國(guó)家8

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論