基于概率纹理模型纹理分割方法分析

基于概率纹理模型纹理分割方法分析

ID:38173819

大小:235.33 KB

页数:3页

时间:2019-06-01

基于概率纹理模型纹理分割方法分析_第1页
基于概率纹理模型纹理分割方法分析_第2页
基于概率纹理模型纹理分割方法分析_第3页
资源描述:

《基于概率纹理模型纹理分割方法分析》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、第25卷第12期计算机应用与软件Vol25No.122008年12月ComputerApplicationsandSoftwareDec.2008基于概率纹理模型的纹理分割方法分析才德洪文吴一戎(微波成像技术国家重点实验室中国科学院电子学研究所北京100080)摘要基于最优小波包基的纹理自适应概率模型通过优选小波包基来区分不同纹理,具有纹理描述更准确的优点。研究基于纹理自适应描述的邻域分割法,通过实验分析了纹理概率模型和邻域分割法对分割效果影响的主次关系。实验结果表明邻域分割法是分割取得好效果(分割错误率低于1.34%)的主要影响因素,概

2、率模型对分割效果的作用是次要因素。这一结论的得出将有利于对该方法的改进。关键词纹理自适应概率模型小波包变换纹理分割ANALYSISOFPROBABILISTICTEXTUREMODELBASEDTEXTURESEGMENTATIONMETHODCaiDeHongWenWuYirong(NationalKeyLabofMicrowaveImagingTechnology,InstituteofElectronics,ChineseAcademyofSciences,Beijing100080,China)AbstractTheprobabilistic

3、adaptivetexturemodelbasedonbestwaveletpacketbasishasexcellenceinmoreaccuratetexturedescriptionwhichdifferentiatesvarioustexturesbyoptimizingwaveletpacketbasis.Anadaptivetexturedescriptionbasedneighbourhoodsegmentationmethodisstudiedinthepaper,themajorandminorrelationshipoftheimpactsthe

4、probabilisticadaptivetexturemodelandtheneighbourhoodsegmentationmethodhasrespectivelyonthesegmentationisanalyzedthroughtheexperiment.Theexperimentalresultshowsthatitistheneighbourhoodbasedsegmentationmethodwhichmainlycontributestothegoodperformance(withlessthan1.34%errorrate)whereasthe

5、probabilisticmodelcontributesless.Thisconclusionishelpfulformethods'improvement.KeywordsProbabilisticadaptivetexturemodelWaveletpackettransformTexturesegmentation0引言1基于纹理自适应概率模型的纹理分割方法[1]纹理描述和分析是图像处理的基本内容。例如在高分采用高斯分布作纹理的先验分布,文献[6]给出有限大区辨遥感图像中采用纹理表述不同的地物(如田地、山脉和森林域R上纹理分布为:等),就需要采

6、用对纹理进行分析、建模[2]。小波变换是纹理多-1Pr(IR

7、.)=Zexp(-IRGRIR)(1)分辨分析的一个基本手段。虽然基于熵标准的自适应小波包分算子GR计算复杂,将其对角化后纹理分布为:[3][4,5]析已被用于表述纹理,但现有的方法都不是在概率框架Pr(I

8、f,T)=fN/2e-f!w2,i(2)Ri∀下进行自适应分析的。为更准确地对纹理建模,法国国家信息和自动化研究中心(INRIA)研究遥感图像处理问题的Ariana项其中是小波包子带下标,fa是子带模型参数,wa,i是子带的[6]目组的Brady等人将自适应概念结合进贝叶斯概率框

9、架,提第i个系数,子带系数总数为Na。采用最大后验(MAP)方法估出一个纹理自适应描述概率模型,并将该模型同邻域分割法相计模型参数,后验为:结合对合成纹理和遥感图像进行分割。此后,项目组的R.CosPr(f,T

10、d)#Pr(d

11、f,T)Pr(f,T)(3)su和J.Aubray深入研究概率模型中的子带建模问题,以使建[7,8]其中d是训练图像。设Pr(f

12、T)为均匀分布,先验简化为:模更准确。而项目组的G.Abhayaratne将双正交小波包变-1[9,10]Pr(T)=Z()exp(-T)(4)换引入到该分割方法中,并对母小波进行优选予以改进。但这些工作都没

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。