基于小波域HMT模型的图像超分辨率重构

小波域HMT模型采用混合高斯分布，并通过多尺度小波系数隐状态之间的Markov依赖性刻画自然图像小波系数随尺度减小呈指数衰减的特性．由于小波域HMT准确刻画了自然图像小波变换的统计特性，因此文中算法以此作为自然图像的先验模型，并把图像超分辨率问题表述为一个约束优化问题，采用Cycle-Spinning方法抑制重构出的高分辨率图像中可能存在的震铃和锯齿等失真，最后，进行了定量误差分析并给出了一些实验图像供主观评价。     

基于小波域HMT模型的序列图像超分辨率重建*

鉴于基于小波域隐马尔可夫树的噪声抑制性和较好的边缘保持性,提出一种基于小波域隐马尔可夫树的序列图像的超分辨率重建算法。针对小波系数进行统计建模,讨论了不同尺度小波系数之间的隐马尔可夫树结构,利用了序列图像的运动信息,运用极大后验概率估计和贝叶斯原理,将小波域HMT作为图像先验知识并给出了超分辨率重建算法,最终通过EM算法和共轭梯度算法的交替迭代进行优化计算。实验结果表明方法的重建效果得到了明显的改进。     

基于小波域HMT模型的彩色图像超分辨率复原

提出了一种基于小波域隐马尔可夫树(HMT)模型的RGB彩色图像超分辨率算法。由于彩色图像3个通道之间具有的相关性，对3个通道分别进行独立的超分辨率重构会导致严重的色彩失真。为解决这个问题，首先通过自适应图像变换由彩色图像得到一幅能反映人类视觉感受的灰度图像；然后对此灰度图像进行超分辨率重构获得一幅高分辨率灰度图像；最后按照这一高分辨率灰度图像确定的小波系数后验状态概率对彩色图像的3个通道分别进行超分辨率重构从而获得一幅高分辨率彩色图像。由于该算法协调了彩色图像3个通道的超分辨率，因此重构出的高分辨率彩色图像避免了色彩失真。实验结果证明该算法重构出的高分辨率彩色图像具有较高的信噪比和非常好的视觉效果。     

基于迭代条件模型算法的图像超分辨率重建

图像超分辨重建是从一系列降质的低分辨率图像中获取高分辨率的图像。在最大后验概率算法基础上提出了一种基于马尔可夫随机场的超分辨率重建算法,并通过迭代条件模型实现超分辨率图像重建。实验结果表明,与传统的超分辨率重建算法相比,该算法是一种快速的计算最大后验概率的方法,采用Potts-Strauss模型作为图像的先验概率密度函数,经过五、六次的迭代就能达到理想的迭代效果,解决了最大后验概率算法计算量大的缺点,是一种高效的超分辨率重建算法,具有一定的实用价值。     

基于MAP算法的图像超分辨率重建

近年来图像的超分辨率重建已经成为人们广泛研究的热点.本文提出了一种从多幅低分辨率欠采样图像中重建出一幅高分辨率图像的重建方法.该方法基于MAP框架,用迭代方法得到最优化解.在每次的迭代过程中利用上次迭代得到的重建图像的有用信息来不断调整迭代参数,不断的循环迭代,最后求解出重建图像的最优解.实验结果证明,该方法有效,它不仅能在迭代过程中自动选择和更新调整参数,并且能得到期望的高分辨率重建图像.     

基于HMRF先验模型的超分辨率重建

针对基于最大后验概率(MAP)的超分辨率重建算法在重建图像过程中存在的问题,提出一种基于Huber-马尔可夫随机场(HMRF)先验模型的超分辨率重建方法,采用HMRF作为图像先验模型,对图像进行分段超分辨率重建。仿真实验结果表明,与传统的MAP算法相比,该方法能更好地保存重建图像的边缘细节,有效提高重建图像的质量。     

基于小波域隐马尔可夫模型的信号超分辨率重建

提出一种基于小波域隐马尔可夫模型(WHMM)的信号超分辨率重建算法。根据贝叶斯原理和最大后验概率估计理论,将WHMM作为先验知识给出一般信号的超分辨率重建模型;详细推导了重建问题的Euler-La-grange方程及对数似然函数的导数计算,将信号的超分辨率重建归结为一个简单线性方程组的求解;最后采用期望最大化(EM)算法和共轭梯度算法交替迭代计算WHMM的模型参数和高分辨率重建信号。一维和二维测试信号的实验结果表明该方法在有效抑制噪声的同时,能够很好地重建出信号的高频细节。在相同的信号降质条件下,针对一维情形,本文重建方法的峰值信噪比(PSNR)较三次插值和Tikhonov正则化方法平均提高2.3994 dB和4.474 2 dB;针对二维情形,本文重建方法的PSNR较双三次插值和Tikhonov正则化方法平均提高1.1741 dB和0.648 7 dB。     

基于Contourlet域的遥感图像超分辨率复原技术

通过Contourlet域对遥感图像进行超分辨复原,采用了具有的更好方向性和各向异性特点的Contourlet系数作为特征表示,并通过最小欧氏距离进行全局的匹配选择。根据匹配的高频细节信息分布特点,引入了隐马尔可夫树（HMT）模型对遥感图像的Contourlet系数建模,运用期望最大（EM）算法对其进行参数估计,并结合贝叶斯估计原理,对叠加后的Contourlet系数进行修复、反变换后,最终完成了对低分辨率遥感图像的超分辨率复原。     

基于小波域局部高斯模型的图像超分辨率

提出了一种基于小波域局部高斯模型的图像超分辨率算法。小波域局部高斯模型采用单一的高斯函数刻画子带系数的局部概率分布，由于该模型具有很好的局部自适应性，可以较好地反映图像的局部结构信息，因此以此作为自然图像的先验模型，将图像超分辨率问题转化为小波域约束优化问题，并用共轭梯度法对其进行求解。实验结果表明，基于小波域局部高斯模型的图像超分辨率算法较好地再现了图像的各种边缘信息，重构出的高分辨率图像在信噪比和视觉效果方面都有较明显的提高。     

基于峭度图像的超分辨率重建算法

针对在强噪声环境下,传统的超分辨率重建算法重建图像效果不佳的问题,提出一种基于峭度图像的超分辨率重建算法。定义峭度图像,从统计学角度分析得到峭度图像的2个重要性质,即具有高斯不变性,并且图像越模糊,峭度绝对值越小。在满足高分辨率图像与低分辨率图像之间反卷积的剩余误差有界的前提下,通过最大化峭度绝对值求解未知的高分辨率图像,采用Lagrange乘子法则求解此约束优化问题。分析高斯噪声和非高斯噪声环境下算法性能。仿真结果表明,该算法在主观视觉和客观评价上都明显优于传统算法。     

基于小波域隐马尔可夫树模型的图像复原

从图像复原的Bayesian方法出发,提出一种基于小波域隐马尔可夫树(HMT)模型的线性图像复原算法,小波域HMT模型采用混合高斯模型刻画各子带系数的概率分布,并通过小波系数隐状态在多个尺度之间的Markov依赖性来刻画自然图像小波系数随尺度减小而指数衰减的特性,由于小波域HMT模型准确刻画了自然图像小波变换的统计特性,该文算法以此作为自然图像的先验模型,将图像复原问题转化为一个约束优化问题并用最速下降法对其进行求解,同时,提出了一种规整化参数和HMT模型参数的自适应选择方法,实验结果表明,基于小波域HMT模型的图像复原算法较好地再现了各种边缘信息,复原出的图像在信噪比和视觉效果方面都有明显的提高。     

小波域隐Markov交叠树模型及块效应评价

本文针对小波域隐Markov树模型(hidden Markov tree model,HMT)的块效应问题,分析了块效应的产生机理,给出了以图像去噪为基础的块效应评价准则,并提出小波域隐Markov交叠树模型(hidden Markov overlappmg tree model,HMOLT)和基于该模型的图像去噪算法。该模型通过对每个节点的数据扩展,使每个节点包括相邻的3个(1维)或9个(2维)小波系数,实现同一尺度相邻节点数据的交叠,有效地减轻HMT因树状结构而产生的块效应。实验表明,本文给出的模型和去噪算法,无论是在均方误差(MSE)、块效应指标,还是在主观视觉方面,都优于HMT和基于HMT的去噪算法。     

基于小波域HMT模型InSAR干涉图噪声滤波研究

相干斑噪声是InSAR干涉图固有的,且InSAR干涉图对相干斑噪声十分敏感,为了得到精度更高的干涉测量产品,需要对干涉图进行相干斑噪声滤波。针对InSAR干涉图中相干斑噪声的统计特性,提出了一种基于小波域HMT模型的InSAR干涉图滤波算法,对InSAR干涉图的实部和虚部分别进行处理。试验研究结果表明,该方法在有效抑制相干斑的同时,还能有效地保持相位的细节信息和条纹的边缘结构,而且大大地减少了残余点的数量,有利于提高InSAR干涉测量的精度。     

基于隐马尔可夫复合树模型的图像纹理分析

提出了一种纹理图像隐马尔可夫捆绑树(HMT-b)模型的建模方法。该方法通过对小波分解后的三个子带(HH，HL，LH)中相应节点捆绑后作为一棵复合树进行建模，改进了迭代算法，所建模型能更好地描述三个子带问实际存在的小波系数相关性；对于每个尺度中的小波系数分布，HMT-b采用高斯混合分布来拟合。同时研究了尺度系数基于小波域泊松分布的统计建模方法。     

基于二代bandelets域HMT模型的图像分割

在小波域隐马尔可夫树模型(WHMT)图像分割算法的基础上,根据二代handelets系数的分布统计特性,提出一种新的bandelets域隐马树模型(BHMT)有监督图像分割算法.新算法试图利用二代bandelets能表示图像几何规律性的特点来改进分割效果.为证明算法的有效性,用合成纹理图像和真实的航空和遥感图像做分割实验,并和小波域隐马模型树分割算法作了对比,对合成纹理图像分割,用错分概率作为评价参数.实验结果表明,此方法错分概率低、分割效果理想.     

基于小波域隐马尔可夫树模型的超声图象贝叶斯去噪

提出了一种新的医学超声图象去噪方法 .首先 ,原始超声图象经对数变换 ,其乘性散粒噪声变为了加性噪声 ;然后再经小波变换后 ,基于隐马尔可夫树模型 ,应用贝叶斯方法去除加性噪声 ;最后 ,经小波反变换和指数变换恢复去噪后的原始超声图象 .测试结果表明 ,此方法在有效去除噪声的同时 ,能保留原始图象的细节边缘 .针对超声图象还对几种去噪算法作出定性比较 ,并对去噪性能给出定量分析 ,实验结果表明 ,该方法是可行的     

基于NACT和HMT模型的纹理图像检索

针对轮廓波变换方向子带中的频谱混叠现象及传统KLD方法度量隐马尔科夫模型间距离的局限性,提出结合改进KLD度量的抗混叠轮廓波隐马尔科夫树(HMT)纹理图像检索方法。利用抗混叠轮廓波变换抑制频谱混叠的特点对纹理进行分解,建立HMT模型并将其训练后的参数集视为纹理特征,利用改进KLD方法满足三角不等式的优点度量HMT模型间的距离,提高纹理图像检索精度。理论和实验结果表明,该算法的查准率比CT-HMT+传统KLD方法提高了2.81%。     

基于Curvelet域隐马尔可夫树模型的SAR图像去噪

从SAR图像相干斑噪声的统计特点出发,将Curvelet变换与隐马尔可夫树(HMT)模型相结合,提出了一种基于Curvelet域隐马尔可夫树(HMT)模型的图像去噪方法.利用HMT模型捕获Curvelet系数之间的尺度从属性,较好地实现了普通图像去噪和SAR图像的相干斑噪声抑制,同时分析了文中算法的去噪机理和计算复杂度.仿真实验证明,与小波域HMT模型方法和Curvelet变换方法比较,主观视觉效果和数值指标都有明显改进.平滑指数(FJ)值大小适中,水平和垂直边缘保持指数(ESI)平均提高了约0.2～O.3.     

基于小波域隐马尔可夫树模型的过程趋势分析

提出了一种基于在线异常趋势的识别方法，该方法用到了所有的尺度系数和部分经过选择的大值小波系数来构造隐马尔可夫树，并且给出了一种选则大值小波系数的方法．实验结果表明该方法对过程趋势有很好的识别效果，在线应用时检测异常趋势所需时间也较少．