下载文档原格式
基于小波域隐马尔可夫模型多尺度图像分割
张骥祥;戴居丰;郑宏兴
【期刊名称】《天津大学学报》
【年(卷),期】2008(041)005
【摘要】提出了一种基于小波域自适应上下文结构的多尺度图像分割算法(JACMS).该算法为了减小计算复杂度.采用隐马尔可夫半树模型和参数加权训练算法,得到了可靠的初始分割.为了获得较好的区域一致性和边缘准确性.在进行尺度间融合时,采用自适应的上下文结构分别应用于图像纹理均质区域和图像纹理边缘,保证了图像大致轮廓的准确性和可靠性,提高了分割后图像纹理边缘的精确度.对合成图像与.航摄像片的实验结果表明,该方法的分割错误概率低于传统的基于小波域隐马尔可夫树模型的图像分割方法,且对真实图像得到了理想的分割效果.
【总页数】5页(P611-615)
【作者】张骥祥;戴居丰;郑宏兴
【作者单位】天津大学电子信息工程学院,天津300072;天津工程师范学院,天津300222;天津大学电子信息工程学院,天津300072;天津工程师范学院,天津300222
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.基于改进小波域隐马尔可夫模型的遥感图像分割 [J], 郭松涛;孙强;焦李成
2.基于小波域多状态隐马尔科夫树模型多尺度文本图像分割 [J], 侯玉华;杨晓艺;宋锦萍;文成林
3.基于小波域隐马尔可夫树模型和SVR的定量隐写分析 [J], 李慧
4.基于小波域隐马尔可夫树模型的 SAR 图像去噪 [J], 杨燕;黄彦丽;曹金莲
5.基于小波域的多尺度非参数图像分割方法 [J], 胡海平;周董平
因版权原因，仅展示原文概要，查看原文内容请购买。
小波域多角度轮廓模板变分模型的单幅图像超分辨率重建王相海;赵晓阳;毕晓昀;陶兢喆【期刊名称】《电子学报》【年(卷),期】2018(046)009【摘要】近年来图像超分辨率重建技术因其可以提高图像的识别精度和识别能力而受到重视,其中一个难点问题是如何保证图像边缘纹理区域的重建质量.本文提出一种基于小波域的单幅图像超分辨率重建方法,首先对输入图像进行非下采样小波变换,根据小波变换的多方向性提出三类多角度模板,并采用TV模型估计各子带轮廓,确定其所属的最优方向,然后利用多角度模板来对各个子带进行双三次B样条插值,最后进行非下采样小波反变换.该方法使重建后图像的边缘、纹理信息更加精细,克服了诸如双线性插值法与双三次插值法等传统插值重建所产生的边缘模糊与边缘锯齿化,以及纹理区域失真等不足,在一定程度上提高了重建图像的质量.该方法可用于图像监控、遥感影像分析和医学图像处理等领域.大量的仿真实验验证了所提出方法的有效性.【总页数】7页(P2256-2262)【作者】王相海;赵晓阳;毕晓昀;陶兢喆【作者单位】辽宁师范大学计算机与信息技术学院,辽宁大连116081;辽宁师范大学城市与环境学院,辽宁大连116029;辽宁师范大学计算机与信息技术学院,辽宁大连116081;辽宁师范大学计算机与信息技术学院,辽宁大连116081;辽宁师范大学城市与环境学院,辽宁大连116029【正文语种】中文【中图分类】TP391【相关文献】1.基于过完备字典的鲁棒性单幅图像超分辨率重建模型及算法 [J], 徐国明;薛模根;崔怀超2.基于小波域CHMT模型的超分辨率图像重建 [J], 娄帅;丁振良;袁峰;李晶3.基于小波域CHMT模型的超分辨率图像重建 [J], 娄帅;丁振良;袁峰;李晶4.基于小波域HMT模型的序列图像超分辨率重建 [J], 周文婷;王庆5.基于小波域学习的单幅图像超分辨率复原* [J], 徐震寰;林茂松;张红英因版权原因，仅展示原文概要，查看原文内容请购买。
基于小波变换和隐马尔可夫模型的人脸识别方法
曹林;王东峰;邹谋炎
【期刊名称】《计算机工程与应用》
【年(卷),期】2005(041)007
【摘要】提出了基于小波变换和隐马尔可夫模型的人脸识别方法.对原始图像采用小波分解后,原始图像被分解到不同的频带上.利用小波理论分析可知,在每一级分解中,低频子图像包含了原始图像的主要描述信息,而其他3个高频子图像包含的信息较少,对模式分类的作用也较小,所以可忽略不计.该算法首先对图像进行3级小波分解,然后把3个不同分辨率的低频子图像由小到大排列成树状结构,形成低频小波树.接着利用主元分析对每个小波树枝进行去相关、降维,形成特征小波树枝,并把它作为观测向量对隐马尔可夫模型进行训练,把优化的模型参数用于人脸识别,实验结果表明,该方法识别率较高,具有很好的发展前景.
【总页数】7页(P18-23,56)
【作者】曹林;王东峰;邹谋炎
【作者单位】中国科学院电子学研究所,北京,100080;中国科学院研究生院,北京,100039;中国科学院电子学研究所,北京,100080;中国科学院电子学研究所,北京,100080;中国科学院研究生院,北京,100039
【正文语种】中文
【中图分类】TP391
【相关文献】
1.小波变换和嵌入式隐马尔可夫模型在人脸识别中的研究 [J], 武时龙
2.小波变换和嵌入式隐马尔可夫模型在人脸识别中的研究 [J], 武时龙;
3.基于连续隐马尔可夫模型的人脸识别方法 [J], 沈杰;王正群;邹军;侯艳平
4.一种基于隐马尔可夫模型的人脸识别方法 [J], 王志超;刘惠义
5.基于隐马尔可夫模型的人脸识别系统实现方法研究 [J], 杨磊;刘美枝
因版权原因，仅展示原文概要，查看原文内容请购买。
隐马尔可夫模型(State Space Model)介绍隐马尔可夫模型(Hidden Markov Model, HMM)是一种常用于建模序列数据的概率统计模型，在自然语言处理、语音识别、生物信息学等领域有广泛应用。
隐马尔可夫模型通过观察到的结果来推断隐藏的状态，并使用转移概率和观测概率描述状态和结果之间的关系。
状态空间模型状态空间模型(State Space Model, SSM)是一种描述时间序列数据的统计模型，通过建立状态方程和观测方程，可以对系统的状态进行推断和预测。
状态空间模型常用于时间序列分析、滤波和状态估计等问题。
状态方程状态空间模型的状态方程描述了系统的状态如何从一个时刻转变为下一个时刻。
状态方程可以用以下形式表示：X_t = A_t * X_{t-1} + B_t * U_t + W_t其中，X_t表示第t时刻的状态，A_t表示转移矩阵，描述状态从t-1时刻转移到t时刻的关系，U_t表示控制输入，B_t表示控制系数矩阵，描述控制输入对状态的影响，W_t表示状态转移的误差。
观测方程状态空间模型的观测方程描述了系统的观测结果如何由状态产生。
观测方程可以用以下形式表示：Y_t = C_t * X_t + D_t * V_t其中，Y_t表示第t时刻的观测结果，C_t表示观测矩阵，描述状态到观测结果的映射关系，D_t表示观测系数矩阵，描述观测结果的误差。
隐马尔可夫模型与状态空间模型的关系隐马尔可夫模型可以看作是状态空间模型的特殊情况，其中观测结果只与当前状态相关。
在隐马尔可夫模型中，状态转移概率和观测概率分别对应状态方程和观测方程中的转移矩阵和观测矩阵。
状态空间模型则更加灵活，可以描述更复杂的系统。
隐马尔可夫模型的三个假设隐马尔可夫模型基于以下三个假设： 1. 齐次马尔可夫性假设：模型中的隐藏状态是一个马尔可夫链，即当前状态只与前一个状态有关。
2. 观测独立性假设：给定隐藏状态，各个观测结果之间是相互独立的。
基于小波域隐马尔可夫树模型的医学图像去噪
傅伟;万洪晓;涂刚
【期刊名称】《医疗卫生装备》
【年(卷),期】2010(031)001
【摘要】目的:为了更好地去除DR医学图像噪声.方法:通过分析其噪声来源,在小
波去噪和小波域隐马尔可夫模型的基础上,进行改进,即引入了方差不变性变换来调
整原始图像的噪声模型为高斯噪声模型;图像分解为不同频率的不同子带,而隐马尔
可夫树模型则用来规划小波系数的边缘分布.结果:自然图像处理实验结果表明,与普通的小波去噪方法相比,该方法不但可以保留图像的边缘信息,而且能提高去噪后图
像的峰值信噪比.结论:同时用该方法处理DR图像,处理结果表明此方法在噪声去除、细节质量及骨骼锐化等方面比传统的高斯滤波及小波闽值滤波等方法效果要好.【总页数】3页(P34-36)
【作者】傅伟;万洪晓;涂刚
【作者单位】223003,江苏淮安,江苏财经职业技术学院计算机技术与艺术设计系;
临沂市人民医院影像科;223003,江苏淮安,江苏财经职业技术学院计算机技术与艺
术设计系
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于小波域隐马尔可夫树模型和SVR的定量隐写分析 [J], 李慧
2.基于小波域隐马尔可夫树模型的 SAR 图像去噪 [J], 杨燕;黄彦丽;曹金莲
3.小波域隐马尔可夫树模型在图像去噪中的应用 [J], 吴石虎;余旭初;许敏;石磊
4.基于小波域的隐马尔可夫树模型的图像去噪 [J], 景明利;周雪芹
5.基于小波域分类隐马尔可夫树模型的图像融合算法研究 [J], 范永辉;王刚;曲文娟因版权原因，仅展示原文概要，查看原文内容请购买。
