基于小波域HMT模型的動態(tài)紋理分割方法研究.pdf

1、紋理分析是圖像處理領(lǐng)域的基礎(chǔ)性研究課題。動態(tài)紋理是紋理的一種類別，它作為紋理分析研究的重要內(nèi)容，近年來已成為計算機視覺和數(shù)字圖像處理領(lǐng)域的研究熱點，在軍事、工業(yè)、醫(yī)學、智能交通、氣象遙感、公共安全等領(lǐng)域有著廣泛的應用價值。
　　多尺度分析方法也即多分辨率分析，是近年新興起的一種信號分析技術(shù)，其可從不同尺度的角度描述景物，利用不同尺度分析問題、解決問題，更加有效地提取圖像或視頻特征并進行分析，為信號分析提供了一個全新的視角研究課題。

2、小波變換作為多尺度分析的主要基礎(chǔ)方法，其具有良好的時頻分析特性，它能通過變換以充分突出問題某些方面的特性。馬爾可夫理論作為描述局部統(tǒng)計分布的強有力工具，能有效地與小波域空時變換特性相結(jié)合，推動了小波域模型的發(fā)展，對準確刻畫信號非平穩(wěn)特性起著至關(guān)重要的作用。小波域隱馬爾可夫（HMT）模型充分利用小波系數(shù)尺度間和尺度內(nèi)的相關(guān)性，在紋理分析等方面表現(xiàn)出了出色的性能。
　　基于以上理論基礎(chǔ)，本文主要研究基于小波域隱馬爾可夫模型的動態(tài)紋理分

3、割算法，主要工作如下：
　　1.提出三維小波域LMM-HMT模型。將HMT模型推廣到三維空時域，改進已有的EM算法以進行參數(shù)估計，并改進分割過程以適應三維動態(tài)紋理的處理。在訓練及粗分割階段，結(jié)合紋理圖像自身小波系數(shù)的分布規(guī)律，利用拉普拉斯分布尖峰厚尾的分布特性，對紋理圖像的小波系數(shù)分布進行匹配，提出LMM-HMT模型及與之相對應的參數(shù)估計算法公式。在多尺度融合階段，提出基于26鄰域背景向量的多尺度融合方法。利用動態(tài)紋理幀間相互依賴

4、關(guān)系，建立一個基于三幀紋理圖像的26鄰域背景向量模型。在像素級分割階段，再次使用混合拉普拉斯分布模型，并給出參數(shù)估計算法，提高其最終分割效果。
　　2.提出三維小波域HMT-3S模型。通過連接三維小波域七個細節(jié)子帶的小波系數(shù)，建立三維小波域上的HMT-3S模型，并提出對應的模型參數(shù)訓練方法、似然函數(shù)計算及多尺度融合算法。將以上對基于小波域 HMT模型的動態(tài)紋理分割的改進算法應用到HMT-3S模型中，與HMT模型進行對比，使分割效果