小波域多尺度ARMA模型的紋理分割方法

《小波域多尺度ARMA模型的紋理分割方法》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、小波域多尺度!"#!模型的紋理分割方法孟帆葉正麟潘璐璐!西北工業(yè)大學(xué)理學(xué)院應(yīng)用數(shù)學(xué)系"西安$"##$’#>?@8A9"@BCDE8C*@EFCG"%+=FH@摘要紋理特征的提取是紋理分割的關(guān)鍵$在小波域內(nèi)"對圖像建立多尺度自回歸滑動平均!0I9:AJF89B-I:H

2、編號%""!&’((%&!!""#%!!&##()?#+文獻(xiàn)標(biāo)識碼)中圖分類號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、$%)-&%’#(!*)&%’+#,!.-!%’+#,!%’#%"#紋理之間的邊緣輪廓’將不同的紋理像素盡可能地正確分類*)("-5"紋理的特征是紋理分割的關(guān)鍵’紋理特征提取主要有基于特性其中6*)’)5"’’’,’$7為自回歸系數(shù)’6.-’-5"’’’,’%7為滑值(基于模型和基于結(jié)構(gòu)的三種方法*根據(jù)紋理的特征進(jìn)行紋動平均系數(shù)’!%’#是白噪聲’且!%’#和&%##不相關(guān)’&%’#表示理分割操作’一般分為基于區(qū)域的(基于邊界的(基于區(qū)域和邊’子結(jié)點(diǎn)狀態(tài)’&%’+#表示&%’#的父結(jié)點(diǎn)狀態(tài)’&%’+#表示&%’界的三種方法*+#的父結(jié)點(diǎn)狀態(tài)等等’+為上移算子*文中對一幅

6、紋理圖’首先將其變換到小波域’得到一系列的小波變換矩陣’在原圖與小波變換矩陣序列之間構(gòu)造多分辨’小波濾波器的選取的關(guān)系’進(jìn)一步建立0-20-模型’通過小生境遺傳算法估計(jì)08998:3’4首先提出了將小波變換應(yīng)用在紋理分析及處理當(dāng)0-20-模型的參數(shù)向量’并以此作為最終紋理分割的特征標(biāo)中’隨后許多學(xué)者在此基礎(chǔ)上對紋理分析進(jìn)行了大量的研究工準(zhǔn)*0-20-模型的參數(shù)向量對于不同的紋理圖像具有較好的作*對紋理圖像進(jìn)行連續(xù)小波變換’可以得到小波變換的矩陣分布可分性’同時(shí)用小生境遺傳算法可以對0-20-模型參數(shù)序列*在這里’小波濾波器的選取準(zhǔn)則是以建立紋理圖像和小向量進(jìn)行較好的估計(jì)

7、*以!"#!"%’’’#模型為例’給出紋理合波變換的矩陣序列之間的多分辨關(guān)系為基礎(chǔ)的*經(jīng)過;88<濾成圖像的分割結(jié)果’并與文獻(xiàn)3+4的方法進(jìn)行比較說明*在處理波后的圖像矩陣大小只有原矩陣的四分之一’可以將原圖及其衛(wèi)星圖像方面’該方法同樣是有效的*;88<小波變換矩陣序列組成四叉樹的結(jié)構(gòu)’并建立0-20-模型*所以’在這里選取;88<小波濾波器*"0-20-模型0-20-模型是時(shí)間序列分析中0-20-模型在樹狀結(jié)構(gòu)上的推廣*0-20-過程的定義由文獻(xiàn)3"4給出*本文進(jìn)一步+特征提取及分析對0-20-模型的應(yīng)用進(jìn)行了研究’將該模型用于紋理圖像