隐马尔可夫树模型在纹理分析中应用.pdfVIP

2003全国仿真技术学术会议论文集 隐马尔可夫树模型在纹理分析中的应用 沈利，周越，杨杰 (上海交通大学图像处理与模式识别研究所，上海200030) 摘要：该文在研究小渡域隐马尔可夫模型(HMM)的基础上，提出r一种全新隐马尔可夫树(HMT)模型。在以往的研究中． HMT通常将2维DWT的三个子带HL、LH、HH视作相互独立，形成三棵独立的子树分别建模。为了更好地描述三个子带间 小波系数的相关性，该文将这三个子带中相应节点进行捆绑，作为一棵树进行建模。另外，对于每个尺度中的小波系数分 布，HMT常用高斯混合分布来拟合。该文研究了基于泊松分布的统计建模方法(PHMT)。纹理图像经Haar小渡变换和乘数 分解后，再采用PHMT建模。经过实验验证，基于泊松分布的统计建模方法是有效的。 关键词：小波域隐马尔可夫树；?臼橙分布；纹理分析 中圈分类号：TP39 文献标识码：A 1 引言 孩子，吐lm2…，Ⅲ工1．2…．2。，Ⅲ二∽…Ⅲ和Ⅲ兰1．2…．2…。小波 ，Jjb∈8；k，卜o， 小波变换是信号与图像处理中常用的工具。在用小波 系数集w={∞；¨lj=l， ，M—l} 对信号进行分析处理前，大都假设该信号的小波系数相互独 中包含了图像中的大多数重要特征，那么对舻的统计描述是 立或者符合联合高斯分布。但这与实际情况不符，小波系数 在小渡域中对图像建模和处理是必不可少的。首先讨论DWT 之间存在着统计相关性。解决这个问题的方法之一是在小 的边缘统计特性。对于现实世界中的图像，小波系数是“疏 波域上建立隐马尔科夫模型(HMM)，通常将小渡系数连成树松”的，这就意睬着大多数系数是小的，而只有一部分系数体 状结构，利用马尔可夫链捕捉尺度间的相关性，也称之为隐 现了信号的绝大部分能量。因此，对于小波系数w概率密度 马尔可夫树(HMT)模型。HMT模型将小渡分析和隐马尔可 函数(pdf)麻(“)可以用一种非高斯密度函数来描述，同时用 夫模型相结合，是一种强大的分析工具．可应用于信号及图 高斯混和密度函数(GMYl)逼近这一非高斯密度函数。这样可 像的估计、检测，分类、预测以及合成等诸多领域。 以将每一个小渡系数m与一个隐状态集S=0，I，…，M—i 2图像的离散小波变换 小渡系数w的概率密度函数是均值为卢。、方差为一备的高斯 2一D离散小波变换(DWT)是根据一族平移和伸缩的小分布。一般情况下，随机变量Ⅳ的M一态的高斯混和密度函 渡函数曲Ⅲ．廿舭，扣删}和尺度函数牛“在正交空间L2(。铲)中数GMM包含以下两个元素： 描述(或表示)一幅图像。给定一个，一尺度的DWT，一幅Ⅳ I)一个随机状态变量5，其值可以为按照权函数P。(m) xⅣ的图像_(s，t)可以被表示为 取值，m=0，1，，M一1； N h一1 2)高斯条件概率密度函数^。，(mS=m)，其均值为 t(…)：∑u。P‰。(…)+∑∑∑ui¨以¨(…)‰，方差为d_，其中m=0，1．…，M～1 ^一一0 6∈日J．I^i=0 (1) 对GMM进行参数化，w的总体pdf为 娃中垆‰，(5，￡)三2叫2甲(2一七一々，2／￡一。)，妒?，¨(s，￡)三 2…2扩(2Js一^，2：ti)，6∈B，B={LH，HL，HH}，Ⅳ，= S=Ⅲ) (2) ^(u)=∑Ps(m