基于Contourlet域HMT模型的多尺度图像分割

基于Contourlet系数分布统计特性,结合隐马尔可夫树（HMT）模型和贝叶斯准则提出一种新的图像分割算法.为了更有效保持Contourlet域不同尺度间的信息,提出一种新的加权邻域背景模型,给出了基于高斯混合模型的象素级分割算法和基于新的背景模型的多尺度融合算法.分别选择合成纹理图像、航拍图像和SAR图像进行实验,并与小波域HMTseg方法进行比较以说明算法的有效性.对合成纹理图像给出错分概率作为评价参数.实验结果表明本文方法不但在边缘信息和方向信息保持上有明显改进,而且错分概率明显降低,对真实图像得到了理想的分割效果.     

改进多尺度融合结合小波域HMT模型的遥感图像分割

提出了一种结合权值背景融合的小波域多尺度图像分割方法。首先通过小波域隐马尔可夫树模型获得图像各个尺度上的初始分割,然后为各个尺度上每一分割像素点分别赋予权值,并建立一种融合父子尺度信息的新背景模型,最后利用权值背景融合各个尺度图像初始分割结果,得到像素级分割。仿真结果表明,该方法可得到优于已有文献的分割效果。     

基于Contourlet域HMT-3S模型的激光主动成像图像分割

基于Contourlet系数分布统计特性,结合隐马尔科夫树(HMT)-3S模型和贝叶斯准则,提出了一种基于Contourlet域HMT-3S模型的图像分割算法(CHMT-3Sseg),并将其用于激光主动成像图像的分割。CHMT-3Sseg方法首先利用HMT-3S模型充分挖掘子带间的相关性,通过HMT-3S模型参数训练和似然值计算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,对初始分割结果进行了基于邻域背景的多尺度融合。对合成图像和激光主动成像图像的实验结果表明:CHMT-3Sseg不但在边缘和方向信息保持上有明显改进,而且错分概率显著降低,对真实图像得到了理想的分割效果。     

多尺度曲波分解下的可变类SAR图像分割

为了实现SAR图像的可变类分割,本文提出了一种基于区域的多尺度可变类分割方法。首先,利用曲波变换对SAR图像进行多尺度分解,获取多尺度曲波系数;然后按尺度由粗-细次序,利用曲波逆变换对各尺度曲波系数进行重构,获取各尺度分解图像,进而获得多尺度分解图像。在此基础上,利用规则划分技术划分图像域;然后利用Gamma分布及马尔科夫随机场（Markov Random Field, MRF）模型建立基于区域的特征场模型及标号场模型;假设图像类别数为随机变量,并服从Poisson分布;并在贝叶斯理论框架下建立基于区域的多尺度可变类分割模型。最后,利用可逆变马尔可夫链蒙特卡罗（Reversible Jump Markov Chain Monte Carlo, RJMCMC）算法以实现该模型求解;在求解过程中,按尺度由粗-细次序,将当前尺度分割解作为下一低尺度分割的初始解,以细尺度的分割解作为最终分割结果。利用提出方法对模拟及真实SAR图像进行可变类分割实验,通过其实验结果验证提出方法的可行性及有效性。      

一种基于非采样Contourlet变换的遥感图像融合算法

为使融合后的多光谱图像尽可能保持原多光谱图像光谱特性的同时提高空间质量,提出了一种基于非采样Contourlet变换（NSCT）和多尺度边缘检测的融合算法。介绍了非采样Contourlet变换和多尺度边缘检测;设计了基于多尺度边缘检测、直接替代的高频、低频子带融合规则;用QuickBird卫星高分辨率遥感图像进行仿真实验。实验结果表明该算法能够在保持光谱信息的同时注入更丰富的空间细节信息,优于传统的Wavelet变换法和Contourlet变换法。     

基于多尺度变换的直觉模糊推理图像融合算法

提出了基于多尺度变换的直觉模糊推理医学图像融合方法,针对4种多尺度变换对图像融合的影响进行了分析。文中融合算法是利用4种多尺度变换对待融合图像进行分解,并对得到的低频分量和高频分量采用直觉模糊推理融合规则进行处理,最后将融合后的低频分量和高频分量经逆变换得到融合图像。实验结果表明本文算法优于传统的模糊推理图像融合算法,并且在变换域中,Contourlet变换下的融合结果要优于其它3种变换。     

基于Contourlet变换的图像消噪处理

文中提出了一种基于区域和Contourlet变换相结合的图像融合新方法,新方法利用小波Contourlet变换良好的多尺度性和多方向性特征,结合Contourlet变换的多聚焦图像融合算法,得到高频和低频图像。小波Contourlet由于变换缺乏平移不变性而产生图像失真,弱边缘具有几何信息,而噪声却不具备这个性质。为了在去噪声的同时更多地保留弱边缘信息,再次利用到循环平移的方法。实验结果表明,该文方法不仅在客观评价指标上优于小波变换法,而且从主观评价上来看,文中所提方法得到的图像更加清晰。     

一种基于k均值的多相位水平集遥感图像分割方法

针对遥感图像的特点,本文提出了一种基于K-均值与改进的多相位水平集模型结合的新方法。相比于传统的水平集模型,改进模型在能量函数中考虑了图像的面积、梯度信息和边缘检测。图像的梯度信息可以克服分割中存在的边缘定位的不准确,边缘检测可以在曲线衍化过程中更好的保持边缘信息。为了加快边缘的收敛速度,避免陷入局部最优,本文提出先对图像进行中值滤波来平滑图像和消除部分噪声,然后利用K均值进行聚类得到明显的特征差异。接着用Sobel算子进行梯度重建,然后用改进的多相位水平集模型进行分割。实验结果显示本文的算法对于遥感图像的分割在时间和精度上都有较好的效果。     

一种改进的基于归一化割的图像分割方法

文章结合聚类法提出了一种改进的基于归化割的图像分割方法。先利用聚类对图像进行预分割,得到图像最大相似区域,再利用区域间的亲近关系将图像转化为图,最后利用图谱的工具(特征值和特征向量)对图分割,实现图像的分割。实验结果表明,该方法有效地降低算法复杂度,获得较好的分割效果。     

夜视环境下激光助视成像与红外热像的融合

以夜视环境下激光助视成像和红外热成像为研究对象,提出了一种基于非向下采样Contourlet变换和分割模板的图像融合方法.通过引入脉冲耦合神经网络对两幅输入图像进行分割,利用类间方差比判断分割效果的优劣并选取分割模板.在NSCT域中,根据分割模板对激光助视成像和红外热成像的高低频系数进行分区域处理,得到低频和高频融合系数.最后对融合系数进行NSCT逆变换得到融合图像.实验结果表明本文方法能够在融合图像中最大程度呈现出夜视环境下激光助视成像的细节信息和红外热像的目标信息.     

融合层次聚类的高分辨率遥感影像超像素分割方法

为解决遥感影像分割尺度自动选取难的问题,提出了融合层次聚类的高分辨率遥感影像超像素分割方法。首先采用自适应形态重建的分水岭分割算法将影像分割成多个超像素;然后提取各超像素的灰度特征向量;最后利用层次聚类方法进行超像素合并,实现高分辨率遥感影像的精确分割。实验选用4组景遥感影像;采用定性和定量相结合的方法评价实验结果。实验结果表明,该方法有效提高了遥感影像分割精度,并取得了较好的分割视觉效果。     

Multivariate Gaussian MRF for multispectral scene segmentation andanomaly detection

Gaussian Markov random field texture models and multivariate parametric clustering algorithms have been applied extensively for segmentation, restoration, and anomaly detection of single-band and multispectral imagery, respectively. The present work extends and combines these previous efforts to demonstrate joint spatial-spectral modeling of multispectral imagery, a multivariate (vector observations) GMRF texture model is employed. Algorithms for parameter estimation and image segmentation are discussed, and a new anomaly detection technique is developed. The model is applied to imagery from the Daedalus sensor. Image segmentation results from test images are discussed and compared to spectral clustering results. The test images are collages, with known texture boundaries constructed from larger data cubes. Anomaly detection results for two Daedalus images are also presented, assessed using receiver operating characteristic (ROC) performance curves, and compared to spectral clustering models. It is demonstrated that even the simplest first-order isotropic texture models provide significant improvement in image segmentation and anomaly detection over pure spectral clustering for the data sets examined. The sensitivity of anomaly detection performance to the choice of parameter estimation method and to the number of texture segments is examined for one example data set     

An orthogonal wavelet representation of multivalued images

A new orthogonal wavelet representation of multivalued images is presented. The idea for this representation is based on the concept of maximal gradient of multivalued images. This concept is generalized from gradients toward linear vector operators in the image plane with equal components along rows and columns. Using this generalization, the pyramidal dyadic wavelet transform algorithm using quadrature mirror filters is modified to be applied to multivalued images. This results in a representation of a single image, containing multiscale detail information from all component images involved. This representation leads to multiple applications ranging from multispectral image fusion to color and multivalued image enhancement, denoising and segmentation. In this paper, the representation is applied for fusion of images. More in particular, we introduce a scheme to merge high spatial resolution greylevel images with low spatial resolution multivalued images to improve spatial resolution of the latter while preserving spectral resolution. Two applications are studied: demosaicing of color images and merging of multispectral remote sensing images.     

结合矢量量化的SPIHT算法用于多光谱图像压缩

针对多波段遥感图像纹理复杂丰富、局部相关性较弱的特点,提出了结合矢量量化的SPIHT压缩算法。将经过小波变换后的遥感图像谱间相同位置的系数聚集构成矢量,根据高频子图的局部块纹理强弱进行自适应性的量化。使基于标量的SPIHT算法能够方便的处理矢量,有效去除数据间各类相关。实验表明,该方法对多波段遥感图像的压缩可以收到良好的效果,且算法具有良好的实时性,对单幅图像的压缩比和峰值信噪比(PSNR)均优于普通的二维SPIHT算法。     

基于Contourlet域HMT似然概率的图像融合方法

传统的基于Contourlet变换的图像融合方法大都 忽略了Contourlet系数之间 的相关性,导致特征信息的丢失。本文根据隐马尔可夫树(HMT)模型的两种状态和 3组概率确定能有效捕获尺度间、尺度内的Contourlet系数特性的似然概率,设计了图像融 合规则。实验结果表明,Contourlet域HMT模型应用于图像融合领域,能充分挖掘数据之间 的相关性,为融合图像提取更全面、准确的特征纹理信息。     

Hierarchical Multiple Markov Chain Model for Unsupervised Texture Segmentation

In this paper, we present a novel multiscale texture model and a related algorithm for the unsupervised segmentation of color images. Elementary textures are characterized by their spatial interactions with neighboring regions along selected directions. Such interactions are modeled, in turn, by means of a set of Markov chains, one for each direction, whose parameters are collected in a feature vector that synthetically describes the texture. Based on the feature vectors, the texture are then recursively merged, giving rise to larger and more complex textures, which appear at different scales of observation: accordingly, the model is named Hierarchical Multiple Markov Chain (H-MMC). The Texture Fragmentation and Reconstruction (TFR) algorithm, addresses the unsupervised segmentation problem based on the H-MMC model. The “fragmentation” step allows one to find the elementary textures of the model, while the “reconstruction” step defines the hierarchical image segmentation based on a probabilistic measure (texture score) which takes into account both region scale and inter-region interactions. The performance of the proposed method was assessed through the Prague segmentation benchmark, based on mosaics of real natural textures, and also tested on real-world natural and remote sensing images.      

Contourlet变换耦合特征投票的遥感图像融合算法

为了解决图像系数融合问题,设计了基于非下采样Contourlet变换与特征投票机制的遥感图像融合算法。采用色相饱和度(HSV)变换从多光谱图像中提取其亮度成分。随后,对该亮度成分与全色图像进行非下采样Contourlet变换,以计算相应的高频、低频系数。再建立特征投票机制,完成低频系数的融合。通过构造高频系数融合规则,获取融合高频系数。最后,对融合系数进行处理,生成融合图像。实验结果显示,所设计算法具有更好的光谱特性以及清晰度。