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于Fourier分析逼進性能的提高。
　　 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，對圖像邊緣有優(yōu)越表達能力，能用較少非零系數(shù)表示出圖像邊緣信息。將Curvelet應(yīng)用于去噪時噪聲去除比較徹底，去噪效率高，邊緣保護能力強，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，能很好對圖像進行平滑處理。其中

2、四階偏微分方程去噪能很好的恢復(fù)平滑區(qū)域保護細小紋理，并且避免“階梯”效應(yīng)產(chǎn)生，但去噪效率不高，保護邊緣能力不強。為了對含噪圖像進行去噪處理，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。實驗表明該模型能很好發(fā)揮二者優(yōu)點，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。為很好的利用相關(guān)性描述紋理圖像特征，針對目前Contourlet域隱馬爾可夫樹模型(CHMT)同等考慮父結(jié)點的相鄰結(jié)點對子結(jié)點的影響，本文提出一種加權(quán)Contourlet域隱馬爾可夫樹模型對紋理圖像進行特征提取。分析子結(jié)點的狀態(tài)時，不僅考慮父結(jié)點信息，而且利用權(quán)重評價父結(jié)點兄弟結(jié)點對子結(jié)點的影響，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確的描述Contourlet系數(shù)和HMT的內(nèi)在聯(lián)系。同