多尺度变换域隐尔可夫树纹理图像特征提取模型.pdfVIP

摘要 多尺度几何分析相对于小波分析逼近性能的提高，其意义丝毫不 亚于小波分析相对于Fourier分析逼进性能的提高。 Curvelet变换不仅多尺度，引入的方向参量使其具有高度各向异 性，对图像边缘有优越表达能力，能用较少非零系数表示出图像边缘 信息。将Curvelet应用于去噪时噪声去除比较彻底，去噪效率高，边 缘保护能力强，但存在“阶梯”效应。基于偏微分方程(PDE)的图像 去噪在图像处理领域中崭露头角，能很好对图像进行平滑处理。其中 四阶偏微分方程去噪能很好的恢复平滑区域保护细小纹理，并且避免 “阶梯”效应产生，但去噪效率不高，保护边缘能力不强。为了对含噪 图像进行去噪处理，提高图像特征提取和检索效率，本文提出利用权 函数将Curvelet去噪和四阶偏微分方程中LLT模型相结合的去噪模 型。实验表明该模型能很好发挥二者优点，PSNR和视觉效果都优于 单一的Curvelet或LLT方法。 Contourlet变换由多尺度分析与方向分析构成，具有各向异性尺 度关系，其分解系数具有非高斯性和持续性等特点。为很好的利用相 关性描述纹理图像特征，针对目前Contourlet域隐马尔可夫树模型 (C删T)同等考虑父结点的相邻结点对子结点的影响，本文提出一 种加权Contourlet域隐马尔可夫树模型对纹理图像进行特征提取。分 析子结点的状态时，不仅考虑父结点信息，而且利用权重评价父结点 兄弟结点对子结点的影响，并将通过附加状态转移矩阵体现出来，使 I 时运用K．L距离计算图像间的相似度，实验结果表明，本模型比 CHMT平均检索率高出7％46％。 加权CHMT；纹理图像；特征提取 II ABSTRACT withthe ofwavelet Compare approximationproperties analysis， multi—scale is aswavelet inrelationto analysisjust analysis geometric Fourier analysis． Curvelettransfornlis introductionofthedirection multi—scale，the makeit it describesedge parameter highlyanisotropic，and image withfewernon-zerocoefficient．Curveletisableto excellentlyonly removenoise andcan thestaircase well，but thoroughlyprotectedge effectis basedon easilybroughtabout．Imagede—noising partial differential a andis at equations(PDE)cutsgreatfigure goodimage in are welland smoothingimageprocessing．Smoothregionsprotected thestaircasearenot