改进多尺度融合结合小波域HMT模型的遥感图像分割

改进多尺度融合结合小波域HMT模型的遥感图像分割

ID:36858578

大小:246.71 KB

页数:5页

时间:2019-05-16

改进多尺度融合结合小波域HMT模型的遥感图像分割_第1页
改进多尺度融合结合小波域HMT模型的遥感图像分割_第2页
改进多尺度融合结合小波域HMT模型的遥感图像分割_第3页
改进多尺度融合结合小波域HMT模型的遥感图像分割_第4页
改进多尺度融合结合小波域HMT模型的遥感图像分割_第5页
资源描述:

《改进多尺度融合结合小波域HMT模型的遥感图像分割》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第33卷第5期红外与激光工程2004年10月Vol.33No.5InfraredandLaserEngineeringOct.20043改进多尺度融合结合小波域HMT模型的遥感图像分割孙文锋,孙强,焦李成(西安电子科技大学智能信息处理研究所雷达信号处理重点实验室,陕西西安710071)摘要: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

2、明,该方法可得到优于已有文献的分割效果。关键词:图像分割;二维小波变换;HMT模型;多尺度融合;权值中图分类号:TP751文献标识码:A文章编号:100722276(2004)0520528205Modifiedmultiscalefusioncombingwavelet2domainHMTmodel3forremotesensingimagesegmentationSUNWen2feng,SUNQiang,JIAOLi2cheng(InstituteofIntelligentInformationProcessing,NationalKeyLaborat

3、oryforRadarSignalProcessing,XidianUniversity,Xi′an710071,China)Abstract:Amodifiedmultiscalefusionmethodcombiningcontextbasedonweightvaluesforimageseg2mentationisintroduced.Aftertheimplementoftherawmultiscalesegmentationbasedonwavelet2domainhid2denMarkovtreemodel,weightsforindividu

4、aldyadicsquareoftheimageunderconsiderationateachdifferentscaleareset.Finally,rawmultiscalesegmentationresultsarefusedwiththecontextbasedonthecorrespond2ingweightvalues.Experimentalresultsshowthatthemethodcangainabetterperformancethantheexistingtechnique.Keywords:Imagesegmentation;

5、2Dwavelettransform;HMTmodel;Multiscalefusion;Weightvalues了一种小波域隐马尔可夫树(HMT)模型,该模型充分0引言考虑了小波变换的两个重要特性:尺度内的聚集性以及尺度间的持续性。之后,HChoi等人利用此模型推近年来,小波域隐马尔可夫模型在图像处理与分导出一种基于HMT模型的图像分割方法,即HMT2析中得到了越来越广泛的应用。MSCrouse等人提出seg。其基本思想是利用HMT模型得到与图像各个收稿日期:2003210213;修订日期:20032122103基金项目:国家“863”计划资助项目(20

6、02AA135080)作者简介:孙文锋(19772),男,陕西耀县人,硕士生,主要研究方向为遥感SAR图像处理。第5期孙文锋等:改进多尺度融合结合小波域HMT模型的遥感图像分割529尺度上数据块相对应的不同纹理相似度,然后通过比较相似度大小获得图像各个尺度上的初始分割,再利用背景信息逐步由粗尺度到细尺度融合相邻两尺度初始分割结果,最终得到像素级分割。由于HMT模型充分利用了小波系数的聚集性和图1二维数据块的嵌套结构和四叉树结构Fig.1Imagedividedintodyadicsquaresatdifferentscalesandquad2tree持续性

7、,因此采用HMTseg方法得到的各个尺度的初structuresquares始分割结果,较粗尺度的分割结果有效地获取了图像不同纹理区域的主体轮廓,但另一方面却丢弃了图像11波滤波器为:局部平滑滤波器hLL=1/2,水平不同纹理区域之间的局部边缘细节,而较细尺度的分11割结果则在很大程度上弥补了这一损失。由于HMT211边界探测滤波器gLH=1/2,垂直边界探-1-1seg方法直接融合各个尺度上的初始分割结果,且其1-1中的背景模型只考虑了上一较粗尺度的分割结果,所测滤波器gHL=1/2,对角边界探测滤波器1-1以其融合结果具有很大的依赖性,不能有效地保留图

8、1-1gHH=1/2。像的局部边缘细节。为了解决这一问题,在融合之

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。