小波域多尺度ARMA模型的纹理分割方法

《小波域多尺度ARMA模型的纹理分割方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、小波域多尺度!"#!模型的纹理分割方法孟帆叶正麟潘璐璐!西北工业大学理学院应用数学系"西安$"##$’#>?@8A9"@BCDE8C*@EFCG"%+=FH@摘要纹理特征的提取是纹理分割的关键$在小波域内"对图像建立多尺度自回归滑动平均!0I9:AJF89B-I:H

2、编号%""!&’((%&!!""#%!!&##()?#+文献标识码)中图分类号LM+!"$%&’()%*%+,%-’.’/0-12/-+3(4’/25.4%!(’0)%+)%22/6%306/-+76%).+%308%4/-9.6%4%’:0,./-3%-+;.-<%=>%-+4/-?.-@(4(%.BN8<:@BC:HE-NN9ABO08:PB@8:AFJ’QFPHH9HEQFABCFBJ’RH<:PBW:<8F:ACD:BW:I

3、:BW:IWNB

4、:BW:I

5、$%)-&%’#(!*)&%’+#,!.-!%’+#,!%’#%"#纹理之间的边缘轮廓’将不同的纹理像素尽可能地正确分类*)("-5"纹理的特征是纹理分割的关键’纹理特征提取主要有基于特性其中6*)’)5"’’’,’$7为自回归系数’6.-’-5"’’’,’%7为滑值(基于模型和基于结构的三种方法*根据纹理的特征进行纹动平均系数’!%’#是白噪声’且!%’#和&%##不相关’&%’#表示理分割操作’一般分为基于区域的(基于边界的(基于区域和边’子结点状态’&%’+#表示&%’#的父结点状态’&%’+#表示&%’界的三种方法*+#的父结点状态等等’+为上移算子*文中对一幅

6、纹理图’首先将其变换到小波域’得到一系列的小波变换矩阵’在原图与小波变换矩阵序列之间构造多分辨’小波滤波器的选取的关系’进一步建立0-20-模型’通过小生境遗传算法估计08998:3’4首先提出了将小波变换应用在纹理分析及处理当0-20-模型的参数向量’并以此作为最终纹理分割的特征标中’随后许多学者在此基础上对纹理分析进行了大量的研究工准*0-20-模型的参数向量对于不同的纹理图像具有较好的作*对纹理图像进行连续小波变换’可以得到小波变换的矩阵分布可分性’同时用小生境遗传算法可以对0-20-模型参数序列*在这里’小波滤波器的选取准则是以建立纹理图像和小向量进行较好的估计

7、*以!"#!"%’’’#模型为例’给出纹理合波变换的矩阵序列之间的多分辨关系为基础的*经过;88<滤成图像的分割结果’并与文献3+4的方法进行比较说明*在处理波后的图像矩阵大小只有原矩阵的四分之一’可以将原图及其卫星图像方面’该方法同样是有效的*;88<小波变换矩阵序列组成四叉树的结构’并建立0-20-模型*所以’在这里选取;88<小波滤波器*"0-20-模型0-20-模型是时间序列分析中0-20-模型在树状结构上的推广*0-20-过程的定义由文献3"4给出*本文进一步+特征提取及分析对0-20-模型的应用进行了研究’将该模型用于纹理图像