多尺度變換域隱馬爾可夫樹紋理圖像特征提取模型.pdf

1、多尺度幾何分析相對(duì)于小波分析逼近性能的提高，其意義絲毫不亞于小波分析相對(duì)于Fourier分析逼進(jìn)性能的提高。
　　 Curvelet變換不僅多尺度，引入的方向參量使其具有高度各向異性，對(duì)圖像邊緣有優(yōu)越表達(dá)能力，能用較少非零系數(shù)表示出圖像邊緣信息。將Curvelet應(yīng)用于去噪時(shí)噪聲去除比較徹底，去噪效率高，邊緣保護(hù)能力強(qiáng)，但存在“階梯”效應(yīng)?；谄⒎址匠?PDE)的圖像去噪在圖像處理領(lǐng)域中嶄露頭角，能很好對(duì)圖像進(jìn)行平滑處理。其中

2、四階偏微分方程去噪能很好的恢復(fù)平滑區(qū)域保護(hù)細(xì)小紋理，并且避免“階梯”效應(yīng)產(chǎn)生，但去噪效率不高，保護(hù)邊緣能力不強(qiáng)。為了對(duì)含噪圖像進(jìn)行去噪處理，提高圖像特征提取和檢索效率，本文提出利用權(quán)函數(shù)將Curvelet去噪和四階偏微分方程中LLT模型相結(jié)合的去噪模型。實(shí)驗(yàn)表明該模型能很好發(fā)揮二者優(yōu)點(diǎn)，PSNR和視覺效果都優(yōu)于單一的Curvelet或LLT方法。
　　 Contourlet變換由多尺度分析與方向分析構(gòu)成，具有各向異性尺度關(guān)系，其

3、分解系數(shù)具有非高斯性和持續(xù)性等特點(diǎn)。為很好的利用相關(guān)性描述紋理圖像特征，針對(duì)目前Contourlet域隱馬爾可夫樹模型(CHMT)同等考慮父結(jié)點(diǎn)的相鄰結(jié)點(diǎn)對(duì)子結(jié)點(diǎn)的影響，本文提出一種加權(quán)Contourlet域隱馬爾可夫樹模型對(duì)紋理圖像進(jìn)行特征提取。分析子結(jié)點(diǎn)的狀態(tài)時(shí)，不僅考慮父結(jié)點(diǎn)信息，而且利用權(quán)重評(píng)價(jià)父結(jié)點(diǎn)兄弟結(jié)點(diǎn)對(duì)子結(jié)點(diǎn)的影響，并將通過附加狀態(tài)轉(zhuǎn)移矩陣體現(xiàn)出來，使得新模型能更加準(zhǔn)確的描述Contourlet系數(shù)和HMT的內(nèi)在聯(lián)系。同