基于非下采样contourlet变换域双变量模型的图像分割

《基于非下采样contourlet变换域双变量模型的图像分割》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第13卷第lo期中国图象图形学报V01．13．No．102008年10月JournalofImageandGraphicsOct．．2008基于非下采样Contourlet变换域双变量模型的图像分割项海林”焦李成”贾建2’’(西安电子科技大学智能信息处理研究所，西安710071)2’(西北大学数学系，西安710069)摘要依据非下采样Contourlet分解系数与其父系数之间的相关性，给出非高斯双变量分布模型，并基于‘该模型提出一种新的非下采样Contourlet变换图像分割方法。用合成纹理图像和实际图像进行仿真实验，并与小波域隐马尔

2、可夫树模型分割及Contourlet域隐马尔可夫树模型分割等方法进行了比较，实验结果表明，在大多数情况下，该算法分割结果要好于相比较的方法，在边缘特征方面保持了良好的视觉效果，并且模型的训练简单快速。关键词分割非下采样Contourlet变换双变量模型Bayesian估计中图法分类号：TP301．6文献标识码：A文章编号：1006．8961(2008)10—1841．04ImageSegmentationBasedonBivariateModelsinNSCTDomainXIANGHai—lin¨，JIAOLi．cheng¨，JIAJ

3、ian2’(InstituteofIntelligentInformationProcessing，x翻如nUniversity，Xi’an710071)(DepartmentofMathematics，NorthwestUniversity，Xi’口n710069)AbstractConsideringthedependenciesbetweenthecoefficientsandtheirparents，anon—Gaussianbivariatedistributionmodelisgiveninnon-subsampledCo

4、ntourlettransformdomain．Anovelnon—subsampledContourlettransformsegmentationmethodbasedonthebivariatemodelisproposed．Inexperiments，syntheticmosaicimageandrealimageswereselectedtoevaluatetheperformanceofthemethod，andthesegmentationresultswerecomparedwithwaveletdomainhidde

5、nMarkovtreemodelmethodandcontourletdomainhiddenmarkovtreemodelsegmentationmethod．Thesimulationresultsindicatethattheproposedmethodhasbetterperformance，suchaskeepsbettervisualresultandreservesmoreinformationinedges．Asasimplemodel，thetimecomplexityformodeltrainingislowert

6、hanothermodelsincomparisonexperiments．Keywordssegmentation，NSCT(non-subsampledContourlettransform)，bivariatemodel，Bayesianestimation1引言在图像分割中，基于模型的分割是一种重要的分割方法，而小波变换的稀疏性，使得在小波域建模相对简单，因此，小波域模型成为基于模型的图像分割方法的一个重要选择。初期的建模主要是考虑单尺度下某个子带的小波系数分布特征，主要用高斯分布、广义高斯分布及混合高斯分布或马尔可夫随机场等

7、模型来表示系数的分布。进一步地，人们发现父子系数之间有很大的相关性，考虑父子系数关系的建模能更好地反映系数的分布特征。各种基于父子系数关系的模型相继出现，其中比较著名的有小波域隐马尔可夫树(waveletdomainhiddenMarkovtreemodel，WHMT)模型⋯和双变量模型¨1。由于小波对含点状奇异基金项目：教育部重点基金项目(108115)；国家自然科学基金项目(60372050)收稿日期：2008-07-21；改回日期：2008-08-05第一作者简介：项海林(1970一)，男。西安电子科技大学模式识别与智能系统专业

8、博士研究生。主要研究方向为图像处理和模式识别。E—mail：xhl_7048@163．corn中国图象图形学报第13卷的目标函数是最优的基，在高维情况下，小波分析不能充分利用数据本身所特有的几何特征，不能够很好地挖掘图像