论文部分内容阅读
图像去噪是图像处理应用研究的基础,噪声会影响后续的图像处理,因此去噪算法的研究一直受到广泛的关注。图像分割是图像处理到图像分析的关键,而获得理想的分割结果仍是个难点,因此有必要对图像分割进行研究。在众多图像分析方法中,马尔可夫随机场(Markov random field,MRF)模型因其能有效刻画图像的空间信息且理论完善而广泛应用,并引起越来越多研究人员的关注。小波变换具有方向性、非冗余性和多分辨率分析的特性,是刻画图像非平稳性新的处理工具。利用小波的这些特性,将基于MRF模型的图像分析法与小波变换结合起来,能够提高图像分析的质量。首先本文利用隐马尔可夫模型(arkovHidden odel,MHMM M)的统计特性,发展了小波域隐马尔可夫树(arkovHidden HMT Tree,M)模型,实现了小波域HMT模型的建立、参数估计等算法。将小波域HMT模型应用于TH-1影像去噪,首先对影像各波段的小波系数进行建模,然后利用最大期望算法估计模型参数,再进行小波逆变换,最后通过波段合成得到去噪后影像。实验结果表明,本文方法有效地去除了噪声,且保留了边缘和细节信息。其次本文实现了小波域多分辨率Markov随机场(multi-resolution Markov random field,MRMRF)的建模及分割,由于此方法在分割过程中使用固定的势函数,不同尺度间很难获得一致的分割结果,本文对此进行了改进,用可变的权值来连接特征场及标记场模型,每一尺度对应的特征场能量和标记场能量对总能量的贡献是不同的。将该算法对环境一号c星第一轨SAR遥感影像图进行试验,并和传统MRF分割方法、简单MRMRF分割方法进行对比,结果表明,本文算法获得了更为准确的分割结果,增加了算法的实用性。