基于多分辨率隱馬爾可夫隨機(jī)場的動態(tài)紋理分割.pdf

1、動態(tài)紋理是一種空間重復(fù)且隨時間變化的視覺模式，它構(gòu)成了在時間上具有某種穩(wěn)定特性的圖像序列，在時空上具有某種自相似性。動態(tài)紋理是視頻中非常重要的特征，為視頻處理和分析提供重要的信息。動態(tài)紋理作為動態(tài)紋理分析研究的重要內(nèi)容，在軍事、工業(yè)、醫(yī)學(xué)、智能交通、氣象學(xué)、公共安全等領(lǐng)域有著巨大的應(yīng)用前景。
　　 動態(tài)紋理分割是指將一個自然景物的圖像序列分割成互不相疊、紋理均勻一致的若干區(qū)域。空時隱馬爾可夫隨機(jī)場模型可以有效地刻畫動態(tài)紋理表現(xiàn)出

2、的“運動”和“外觀”特征，因此，本文旨在研究基于空時隱馬爾可夫隨機(jī)場(STHMRF)模型的動態(tài)紋理分割，并結(jié)合小波的多分辨率特性，將其推廣到小波域，形成多分辨率空時隱馬爾可夫隨機(jī)場模型。本文主要工作如下：
　　 1.基于空時隱馬爾可夫隨機(jī)場(STHMRF)的動態(tài)紋理分割。根據(jù)動態(tài)紋理的空時特性來確立標(biāo)記場中的能量函數(shù)和鄰域系統(tǒng)，分別采用吉布斯分布和高斯分布描述隱馬爾可夫隨機(jī)場中的標(biāo)號場和觀察場，建立基于空時隱馬爾可夫隨機(jī)場的動態(tài)

3、紋理分割模型，并運用EM算法和最大后驗準(zhǔn)則(MAP)，實現(xiàn)參數(shù)估計和動態(tài)紋理分割。仿真實驗驗證本文所提的算法具有較明顯的優(yōu)越性。
　　 2.基于小波標(biāo)量空時隱馬爾可夫隨機(jī)場(標(biāo)量MSTHMRF)動態(tài)紋理分割。根據(jù)小波系數(shù)更適合采用高斯分布來描述和小波變換的多分辨率特性的優(yōu)點，提出了標(biāo)量MSTHMRF動態(tài)紋理分割算法。該方法利用同一方向不同尺度上小波系數(shù)的隱含關(guān)系，將高級細(xì)節(jié)子帶的STHMRF分割結(jié)果初始化低級細(xì)節(jié)子帶的標(biāo)號場，并

4、將低級細(xì)節(jié)子帶的分割結(jié)果融合得到原始圖像標(biāo)號場的初始值，最后利用STHMRF進(jìn)行分割得到最終結(jié)果。實驗結(jié)果表明該方法優(yōu)于基于STHMRF的分割算法。
　　 3.基于小波矢量隱馬爾可夫隨機(jī)場(矢量MSTHMRF)動態(tài)紋理分割。基于矢量MSTHMRF動態(tài)紋理分割算法在標(biāo)量MSTHMRF的分割算法基礎(chǔ)上進(jìn)行拓展，考慮了同一尺度各個子帶小波系數(shù)的關(guān)系。該方法將同一尺度(級)各子帶同一位置上的系數(shù)組成的7維向量當(dāng)作一個觀察場，再用矢量隱馬