论文部分内容阅读
纹理分析是图像处理领域的基础性研究课题。动态纹理是纹理的一种类别,它作为纹理分析研究的重要内容,近年来已成为计算机视觉和数字图像处理领域的研究热点,在军事、工业、医学、智能交通、气象遥感、公共安全等领域有着广泛的应用价值。多尺度分析方法也即多分辨率分析,是近年新兴起的一种信号分析技术,其可从不同尺度的角度描述景物,利用不同尺度分析问题、解决问题,更加有效地提取图像或视频特征并进行分析,为信号分析提供了一个全新的视角研究课题。小波变换作为多尺度分析的主要基础方法,其具有良好的时频分析特性,它能通过变换以充分突出问题某些方面的特性。马尔可夫理论作为描述局部统计分布的强有力工具,能有效地与小波域空时变换特性相结合,推动了小波域模型的发展,对准确刻画信号非平稳特性起着至关重要的作用。小波域隐马尔可夫(HMT)模型充分利用小波系数尺度间和尺度内的相关性,在纹理分析等方面表现出了出色的性能。基于以上理论基础,本文主要研究基于小波域隐马尔可夫模型的动态纹理分割算法,主要工作如下:1.提出三维小波域LMM-HMT模型。将HMT模型推广到三维空时域,改进已有的EM算法以进行参数估计,并改进分割过程以适应三维动态纹理的处理。在训练及粗分割阶段,结合纹理图像自身小波系数的分布规律,利用拉普拉斯分布尖峰厚尾的分布特性,对纹理图像的小波系数分布进行匹配,提出LMM-HMT模型及与之相对应的参数估计算法公式。在多尺度融合阶段,提出基于26邻域背景向量的多尺度融合方法。利用动态纹理帧间相互依赖关系,建立一个基于三帧纹理图像的26邻域背景向量模型。在像素级分割阶段,再次使用混合拉普拉斯分布模型,并给出参数估计算法,提高其最终分割效果。2.提出三维小波域HMT-3S模型。通过连接三维小波域七个细节子带的小波系数,建立三维小波域上的HMT-3S模型,并提出对应的模型参数训练方法、似然函数计算及多尺度融合算法。将以上对基于小波域HMT模型的动态纹理分割的改进算法应用到HMT-3S模型中,与HMT模型进行对比,使分割效果得到进一步提升。