导读:本文包含了隐马可夫树模型论文开题报告文献综述及选题提纲参考文献,主要关键词:图像处理,隐马尔可夫树模型,压缩感知理论,压缩比
隐马可夫树模型论文文献综述
徐圆圆,田雨[1](2016)在《隐马尔可夫树模型在图像压缩中的应用》一文中研究指出针对小波变换图像分解的方向有限性,利用Contourlet变换的更精细分解性能,提出隐马尔可夫树模型的图像压缩方法。该方法节点状态不仅与父节点的状态直接相关,同时也相邻节点的状态有联系,可以获得更好的Contourlet变换系数,避免小波变换的局限性,最后与其它图像压缩方法进行了对比实验。结果表明,本文方法不仅可以有效对图像进行压缩,图像视觉效果更优,而且有效提高计算速度并节省存储空间,峰值信噪比都优于其它图像压缩方法。(本文来源于《激光杂志》期刊2016年06期)
刘健,雷英杰,邢雅琼,鹿传国[2](2016)在《基于NSST域隐马尔可夫树模型的SAR和灰度可见光图像融合》一文中研究指出针对合成孔径雷达(SAR)图像和可见光图像融合问题,提出一种基于非下采样剪切波变换域的隐马尔可夫树模型的图像融合方法 (NHMM),图像经过非下采样剪切波变换(NSST)分解形成一个低频子带和多个高频子带.在NSST域中,对低频系数采用基于标准差的融合策略;针对高频子带,建立NSST域隐马尔可夫树(HMT)模型对高频系数进行训练,并根据梯度能量对训练后的高频系数进行选择,最后通过NSST逆变换得到融合图像.实验结果表明,所提出的方法可提高图像的融合质量,并能降低图像噪声,具有一定的有效性和实用性.(本文来源于《控制与决策》期刊2016年03期)
李慧[3](2015)在《基于小波域隐马尔可夫树模型和SVR的定量隐写分析》一文中研究指出本文结合小波域隐马尔可夫树模型(Hidden Markov Tree,HMT)和支持向量回归(Support Vector Regression,SVR)分析法提出了估计信息嵌入率的定量隐写分析。本文分别将垂直、水平和对角的小波系数建模为两状态的HMT模型,用EM算法(Estimation and Maximization Algorithm)对HMT模型进行训练得出包括状态初始概率、小波子带的转移概率和方差在内的模型参数,由这些参数构成图像的特征。然后结合SVR建立定量隐写分析器,并估计F5,outguess和MB叁种隐写图的信息嵌入率。(本文来源于《电子制作》期刊2015年22期)
苗聪聪[4](2015)在《基于隐马尔可夫树模型与旋转不变性的遥感图像纹理检索方法研究》一文中研究指出随着遥感技术的快速发展,可获取的高空间分辨率遥感影像的数量急剧增长,这为更精细的对地观测带来新的发展机会,同时也给人们有效地组织、管理、浏览和查询海量图像数据的能力提出了更高的要求。本文从高空间分辨率遥感影像的纹理信息出发,主要研究了利用隐马尔可夫树模型进行具有旋转不变性的遥感图像纹理检索的方法,主要内容如下:(1)总结小波变换、框架波变换、可控金字塔变换叁种多尺度变换方法的基本原理和频率域响应特点、子带系数分布等基本属性,分别介绍利用它们进行多尺度二维图像处理的方法,并分析它们各自的优势和不足;(2)在经典的二维小波域隐马尔可夫树模型的基础上增加对小波变换不同频带之间相关性的考虑,建立向量形式的小波域隐马尔可夫树模型,采用期望最大算法对模型进行训练,提取图像的纹理特征。采用一种“自下而上”的递推算法快速逼近经过训练的隐马尔可夫树模型之间的KL距离,以此度量相应纹理特征之间的相似性,实现基于小波域隐马尔可夫树模型的纹理图像检索;(3)针对小波域隐马尔可夫树模型不具有旋转不变性的特点,从两种不同的角度给出改进的纹理图像检索方法:一种是在原始方案中增加纹理主方向检测工具,并根据检测结果将查询图像和备选图像旋转到一致的方向,利用小波域隐马尔可夫树模型提取旋转后图像的纹理特征,并依据此特征进行图像相似性的匹配;另一种是采用可控金字塔变换对图像进行多尺度分解,对所获得的多尺度方向带通系数建立隐马尔可夫树模型,通过调整模型参数获得旋转不变纹理特征并进行相似性度量,从而实现具有旋转不变性的纹理图像检索;(4)根据上述检索方案设计出遥感图像纹理检索的原型系统以及方便操作的图形用户界面,对大幅遥感图像采用五叉树分解的策略进行分块组织。用四组数据对两种改进的检索方法和基于小波域隐马尔可夫树模型的纹理图像检索方法进行对比实验分析,实验结果表明两种改进的检索方法能够有效地克服纹理方向的不同对检索结果的影响,在对各向异性遥感图像纹理的检索中表现出较优的性能。(本文来源于《中国矿业大学》期刊2015-06-04)
李霞,罗欣,薛辉,杨婷[5](2014)在《小波域隐马尔可夫树模型对多光谱影像的去噪研究》一文中研究指出传统小波去噪方法认为尺度间小波系数是无关的,但实际小波系数具有明显的相关性,基于此,提出了一种基于小波域隐马尔可夫树模型的多光谱影像去噪方法。首先对影像各波段的小波系数进行建模;然后通过最大期望算法对小波域隐马尔可夫树模型参数进行估计,得到小波系数后再进行小波逆变换;最后通过波段合成得到去噪后影像。实验结果表明,该方法 MSE和NMSE值最小,是其他方法的1/2~1/32;SNR和PSNR值最大,是其他方法的1~2倍,说明影像的降噪效果较好,且较好地保留了影像边缘和细节信息,为影像后续处理奠定了基础。(本文来源于《测绘科学技术学报》期刊2014年03期)
杨燕,黄彦丽,曹金莲[6](2014)在《基于小波域隐马尔可夫树模型的SAR图像去噪》一文中研究指出从小波变换和隐马尔可夫模型的理论出发,实现基于小波域隐马尔可夫树模型的图像去噪算法设计,并对具有乘性噪声的SAR图像进行去噪处理。结果表明,与传统的各种去噪方法相比,该算法对SAR图像的去噪效果非常显着,在去噪的同时能够很好地保持原图像的纹理细节特征,具有一定的应用价值。(本文来源于《测绘与空间地理信息》期刊2014年05期)
易小波,龙祖强,邹存[7](2014)在《基于Contourlet域的隐马尔可夫树模型的图像融合算法》一文中研究指出提出一种基于Contourlet域隐马尔可夫树(CHMT)的多聚焦图像融合方法。CHMT能有效捕获不同尺度系数之间、不同方向系数之间的相关性,能为图像融合提取更多的特征信息。算法对低频子带采用区域方差法,高频子带则依据训练后模型的每一系数的后验概率进行不同的融合处理,以减少融合图像边缘处的斑块模糊现象。仿真实验结果表明,该算法优于基于Contourlet域的常规融合算法,融合后的图像具有更好的主观视觉效果。(本文来源于《电脑与信息技术》期刊2014年01期)
徐科,宋敏,杨朝霖,周鹏[8](2013)在《隐马尔可夫树模型在带钢表面缺陷在线检测中的应用》一文中研究指出通过图像分割算法寻找由缺陷组成的可疑区域是热轧带钢表面缺陷在线检测与识别的关键。将热轧带钢表面图像分为"背景"和"缺陷"两大类,采用隐马尔可夫树(Hidden Markov tree,HMT)模型分别建模并实现多尺度缺陷分割。将不同类别的缺陷用同一个"缺陷模型"来表示,可以降低算法复杂度。HMT模型对带钢表面常见缺陷的分割正确率达到94.4%,分割错误率为18.8%。针对HMT模型得到的细尺度分割结果中分割错误率较高问题,引入基于环境的多尺度融合方法(Context-adaptive hidden Markov tree,CAHMT),将不同尺度的分割结果融合,大幅降低细尺度分割的分割错误率,达到3.7%。(本文来源于《机械工程学报》期刊2013年22期)
邓磊,李家存,朱佳文,孙萍[9](2012)在《基于Contourlet域隐马尔可夫树模型的SAR图像滤波方法》一文中研究指出为了获得更好的合成孔径雷达(SAR)图像滤波效果,提出一种基于Contourlet域隐马尔可夫树(CHMT)模型的SAR图像滤波算法.提出基于粗分类的系数绑定方法,提高了CHMT模型参数的解算速度;综合应用对数变换、循环平移和均值校正等方法,建立了针对SAR图像乘性斑点噪声模型的统一滤波处理框架,并将基于CHMT模型的滤波算法融入该框架之中;通过对SAR影像进行滤波实验,并将该滤波算法与Lee滤波、小波软阈值滤波等方法进行了比较.可视效果和统计指标显示:基于粗分类的系数绑定方法在改善滤波效果的同时,对CHMT模型解算的速度有很大的提高;在统一滤波框架下,基于CHMT方法的滤波效果优于其他的几种滤波方法.(本文来源于《同济大学学报(自然科学版)》期刊2012年04期)
李晖晖,刘坤[10](2011)在《基于Contourlet域隐马尔可夫树模型的图像融合》一文中研究指出基于Contourlet域的隐马尔可夫树模型能反映不同尺度系数之间、不同方向系数之间的相关性,基于此,提出了一种基于Contourlet域隐马尔可夫树模型的图像融合算法。对源图像进行Contourlet变换,并针对高频子带系数建模并训练得到每一系数的后验概率;利用该后验概率指导高频系数融合的规则,对边缘和背景区域进行不同的融合处理,以尽可能保留原始图像的重要特征;进行Contourlet反变换得到最终融合结果。针对多聚焦图像进行了融合实验,采用联合熵、熵、相关系数、清晰度等指标对融合效果进行评价,实验表明了该算法优于基于Contourlet域的常规融合算法以及小波域隐马尔可夫树融合算法。(本文来源于《计算机工程与应用》期刊2011年32期)
隐马可夫树模型论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
针对合成孔径雷达(SAR)图像和可见光图像融合问题,提出一种基于非下采样剪切波变换域的隐马尔可夫树模型的图像融合方法 (NHMM),图像经过非下采样剪切波变换(NSST)分解形成一个低频子带和多个高频子带.在NSST域中,对低频系数采用基于标准差的融合策略;针对高频子带,建立NSST域隐马尔可夫树(HMT)模型对高频系数进行训练,并根据梯度能量对训练后的高频系数进行选择,最后通过NSST逆变换得到融合图像.实验结果表明,所提出的方法可提高图像的融合质量,并能降低图像噪声,具有一定的有效性和实用性.
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
隐马可夫树模型论文参考文献
[1].徐圆圆,田雨.隐马尔可夫树模型在图像压缩中的应用[J].激光杂志.2016
[2].刘健,雷英杰,邢雅琼,鹿传国.基于NSST域隐马尔可夫树模型的SAR和灰度可见光图像融合[J].控制与决策.2016
[3].李慧.基于小波域隐马尔可夫树模型和SVR的定量隐写分析[J].电子制作.2015
[4].苗聪聪.基于隐马尔可夫树模型与旋转不变性的遥感图像纹理检索方法研究[D].中国矿业大学.2015
[5].李霞,罗欣,薛辉,杨婷.小波域隐马尔可夫树模型对多光谱影像的去噪研究[J].测绘科学技术学报.2014
[6].杨燕,黄彦丽,曹金莲.基于小波域隐马尔可夫树模型的SAR图像去噪[J].测绘与空间地理信息.2014
[7].易小波,龙祖强,邹存.基于Contourlet域的隐马尔可夫树模型的图像融合算法[J].电脑与信息技术.2014
[8].徐科,宋敏,杨朝霖,周鹏.隐马尔可夫树模型在带钢表面缺陷在线检测中的应用[J].机械工程学报.2013
[9].邓磊,李家存,朱佳文,孙萍.基于Contourlet域隐马尔可夫树模型的SAR图像滤波方法[J].同济大学学报(自然科学版).2012
[10].李晖晖,刘坤.基于Contourlet域隐马尔可夫树模型的图像融合[J].计算机工程与应用.2011