论文部分内容阅读
Brushlet变换是Meyer和Coifman于1997年提出。作为一种多尺度几何分析工具,它对图像中的方向信息非常敏感。Brushlet变换已在图像压缩和图像分类中取得了广泛应用。变换域统计图像建模理论基础扎实,以建模精度高、建模复杂度低闻名,成为近些年来的研究热点。本文详细分析了Brushlet域系数的统计特性,尝试建立Brushlet域HMT模型。首先我们提出了多尺度Brushlet变换的概念,将图像在不同尺度的Brushlet域上进行展开。通过多尺度Brushlet变换,我们发现各个尺度的Brushlet系数存在相关性：每一个低尺度子带的能量信息将按方向不同分配到各个高尺度子带。因此不同尺度子带之间的能量分布存在延续性。我们提出了一种“四对四”的树模型来建模这种延续性。接着我们分析了同一尺度Brushlet域系数的能量分布,发现其近似满足瑞利分布而且用两状态的RMM可以很好的拟合该分布。这为Brushlet域HMT尺度内建模提供了实验依据。我们利用隐马尔可夫模型,一方面描述RMM状态值和Brushlet域系数观察值之间的统计关系,另一方面建模各个尺度Brushlet系数的延续性。从而完成了Brushlet域HMT模型的建模。最后参照小波域HMT图像分割算法框架,将本文方法用于纹理图像分割,并取得了良好的分割效果。尤其对于粗纹理分割,本文方法的分割正确率要明显高于小波域HMT分割方法。BruHMT方法也存在一些不足,比如边缘定位不精确,图像细节信息丢失严重等。这些问题在SAR图像分割中尤为突出,为此我们对BruHMT模型进行了改进：①提出了尺度间融合策略,并将其用于BruHMT方法初分割结果的融合,在区域一致性和细节信息的保留问题上取一个折衷；②引入分水岭方法,利用其边界定位优势提高BruHMT方法的边缘分割效果。实验结果表明,改进后的BruHMT方法是有效的。