论文部分内容阅读
论文主要研究方向性多分辨率分析方法DTCC及其在图像处理和图像数据挖掘中的应用。方向性多分辨率分析一直是高维信号处理的基础研究内容。DTCWT、 Contourlet NSCT、PDTDFB等变换是近年发展起来并广泛应用于各类信号和图像处理及分析的方向性多分辨率分析方法,它们都试图提供对高维信号的方向性多分辨率表达。考虑到方向性分辨率、平移不变性、冗余度、相信息、计算效率等方面的要求,它们都各自存在结构性的缺陷。图像挖掘能够提取隐含在各类图像中的知识,辨识图像数据之间的关系,揭示隐藏在图像数据中的模式,是数据挖掘研究的重要发展和分支。论文主要提出一种具有方向性多分辨率的对偶树复Contourlet变换DTCC,结合关联规则挖掘进行图像的分类检索,并将其应用到掌纹图像挖掘中,得到良好的结果。论文的主要内容和贡献如下：1、基于DTCWT的思想,论文构造了一种对偶树结构的LP变换,结合DFBs方向性分解的能力,实现了一种近似平移不变的方向性多分辨率方法,称为对偶树复Contourlet变换DTCC。 DTCC为双树结构,结合DFBs变换而成,因而变换具有近似的平移不变性,并继承了DFBs变换方向性分辨率高的特点,且拥有相信息。DTCC可以看作是两个通道的Contourlet变换组合而成,最高具有8/3的冗余度。2、论文完成了基于DTCC的图像除噪和纹理检索实验,实验结果显示DTCC具有较理想的除噪和检索分类功能,表明DTCC是一种良好的方向性多分辨率分析方法。3、为了充分挖掘DTCC变换系数间的依赖关系,论文建立了DTCC的HMT模型,并将其应用于图像除噪和纹理检索中。实验结果表明,基于DTCC的HMT模型在图像除噪和纹理检索等方面均优于Contourlet HMT模型。4、关联规则挖掘足数据挖掘中的常用手段,论文以DTCC变换为基础,在方向子带中,构建了描述图像微结构的事务,挖掘得到图像数据中的关联规则,以它们的统计参数作为图像特征,应用于图像分类中。实验表明基于DTCC域关联规则的挖掘算法能发现图像微结构间隐藏的共生模式特征,具有良好的分类效果。5、根据掌纹图像的特点,提出一种掌纹图像挖掘算法,应用于掌纹分类中。该算法首先对掌纹图像进行预处理,对处理后的图像进行DTCC分解,然后使用前述的关联规则算法,提取掌纹图像特征进行掌纹图像分类。实验结果表明论文提出的掌纹图像挖掘算法具有良好的分类效果。