基于Brushlet域HMT模型的圖像分割算法研究.pdf

1、Brushlet變換是Meyer和Coifman于1997年提出。作為一種多尺度幾何分析工具,它對圖像中的方向信息非常敏感。Brushlet變換已在圖像壓縮和圖像分類中取得了廣泛應(yīng)用。變換域統(tǒng)計(jì)圖像建模理論基礎(chǔ)扎實(shí),以建模精度高、建模復(fù)雜度低聞名,成為近些年來的研究熱點(diǎn)。
　　 本文詳細(xì)分析了Brushlet域系數(shù)的統(tǒng)計(jì)特性,嘗試建立Brushlet域HMT模型。首先我們提出了多尺度Brushlet變換的概念,將圖像在不同尺度的

2、Brushlet域上進(jìn)行展開。通過多尺度Brushlet變換,我們發(fā)現(xiàn)各個(gè)尺度的Brushlet系數(shù)存在相關(guān)性:每一個(gè)低尺度子帶的能量信息將按方向不同分配到各個(gè)高尺度子帶。因此不同尺度子帶之間的能量分布存在延續(xù)性。我們提出了一種“四對四”的樹模型來建模這種延續(xù)性。接著我們分析了同一尺度Brushlet域系數(shù)的能量分布,發(fā)現(xiàn)其近似滿足瑞利分布而且用兩狀態(tài)的RMM可以很好的擬合該分布。這為Brushlet域HMT尺度內(nèi)建模提供了實(shí)驗(yàn)依據(jù)。我

3、們利用隱馬爾可夫模型,一方面描述RMM狀態(tài)值和Brushlet域系數(shù)觀察值之間的統(tǒng)計(jì)關(guān)系,另一方面建模各個(gè)尺度Brushlet系數(shù)的延續(xù)性。從而完成了Brushlet域HMT模型的建模。最后參照小波域HMT圖像分割算法框架,將本文方法用于紋理圖像分割,并取得了良好的分割效果。尤其對于粗紋理分割,本文方法的分割正確率要明顯高于小波域HMT分割方法。
　　 BruttMT方法也存在一些不足,比如邊緣定位不精確,圖像細(xì)節(jié)信息丟失嚴(yán)重等