马洪, 王茂华[1]2005年在《隐马尔可夫过程小波变换的参数估计》文中进行了进一步梳理作者提出了一种新的方法来解决通过小波变换后的隐马尔可夫过程参数的计算问题.这个方法不必根据变换后的结果对系统参数进行重新估计,而只需利用变换后输出的小波系数直接来计算参数即可,避免了保留所有训练数据的繁琐复杂计算过程.
王茂华[2]2003年在《隐马尔可夫过程小波变换的参数估计》文中指出近年来，隐马尔可夫模型(Hidden Markov Model，简记为HMM)在模式识别与随机信号处理中有着最广泛的应用，最成功的例子如语音识别和文字识别。我们知道，影响模式识别系统识别率的重要因素是输入的信号是否规范。因此，为了提高识别系统的稳健性，我们需要构造一种对输入模式信号自适应、抗干扰的隐马尔可夫模型。由于小波变换具有很强的去噪功能，一个自然的想法是在HMM识别系统前串连一个小波滤波器，将待识别模式信号作小波变换后再输入HMM模式识别系统以进行识别。 本文首先介绍了隐马尔可夫模型中的一些基本元素，对将隐马尔可夫模型应用到实际中时所遇到的叁个基本问题进行了讨论，并且给出了相应的解答。然后还对隐马尔可夫模型中的一些特殊结构类型作了介绍。 其次，对小波变换及其相关知识进行了讨论。在简单介绍了小波变换的发展史之后，重点讨论了小波变换中的重要理论一多分辨率分析理论，及其相应的分解和重构算法—Mallat算法。 最后，我们提出了一种新的方法来解决通过小波变换后的隐马尔可夫过程参数的计算问题。这个方法使我们不必根据变换后的结果对系统参数进行重新估计，而只需利用变换后输出的小波系数直接来计算参数即可，避免了保留所有训练数据的繁琐复杂计算过程。
刘清鸣[3]2008年在《Contourlet变换研究及其在图像处理中的应用》文中提出Contourlet变换拥有良好的各向互异性允许每个尺度上有不同数目的方向,很好地表示图像的局部特征,在图像处理中能比小波变换更好地捕获图像边缘信息更好地表示图像特征。图像融合是将两个或者多个传感器在同一时间或不同时间获取的图像或者图像序列信息加以综合,以生成一个新的有关此场景的解释。它通过对多幅图像间冗余信息的处理来提高图像的可靠性和清晰度。图像检索的本质是在自动提取图像特征的基础上,从图像库中找出与查询图像相关或相似的图像。本文主要研究内容和成果如下:1、研究了图像融合的基本内容,主要研究像素级图像融合中的一些基本方法,着重研究了基于小波变换的图像融合。同时给出了图像检索的一些基本理论。2、研究了多尺度几何变换以及Contourlet变换,并就相关实验说明了Contourlet变换对小波变换的方向性及相异性超越;同时研究了部分Contourlet变换的拓展。3、研究了能够对子波变换系数统计特征准确描述的隐马尔可夫模型以及子波域隐马尔可夫模型算法实现。4、对比Contourlet变换与小波变换,实验Contourlet变换应用于图像融合,并与现有融合方法进行比较。并且生成一个图像融合工具箱。5、实验应用contourlet-HMM模型实现了纹理图像检索,包括各单方向及多方向纹理图像检索。
邱政权[4]2007年在《在噪声环境下的说话人识别》文中认为说话人识别的研究有几十年了,因此有些技术已经很成熟。尤其是与文本相关的说话人识别已经商品化。但是与文本无关的说话人识别,因为事先不知道文本的内容,所以就困难得多,但是这也是吸引人的地方,所以正是人们的研究热点。而且,虽然说话人识别在纯净语音环境中取得了令人满意的结果,但是一旦到了噪声环境下,说话人的识别率就会急剧地下降。这就牵涉到说话人识别系统的鲁棒性问题了。因此本文着重研究在噪声环境下的说话人识别。本文所做的工作主要如下:(1)针对在噪声环境下的说话人识别系统做了两点改进。第一,为了提高系统的鲁棒性,通过不同尺度的小波基,把含有噪声的信号分解于不同频段中,然后在各个频段分别通过TEO(Teager能量算子)去噪。针对说话人识别的特点,在小波重构时对各小波系数进行了加权处理。再把各个频段的输出通过小波重构恢复信号。最后通过Mel滤波器组把小波系数转换成MFCC。第二,为了进一步提高识别性能和训练速度,我们在识别阶段采用了改进的OGMM(正交高斯混合模型)即把正交变换改到EM算法之前进行,这样就不必要在EM迭代过程中每次都进行正交运算了。从实验得出,采用我们提出的DWT-TEO参数对于说话人识别的效果较好。采用改进的正交高斯混合模型进一步提高了识别性能和训练速度。(2)KLT已经成功用于与文本无关的说话人辨认的特征提取,但是对于特征矢量分解,它需要巨大的计算负担。为了减轻计算负担,把Karhunen Looeve变换(KLT)和重迭子帧合并起来用于噪声环境下的说话人辨认。基于重迭子帧的分离方法,我们提出了一种有效技术去建立特征矢量矩阵和取得KLT技术的优点的有效性。在传统的MCE方法中,对于有K个说话人的系统而言,每一类别的分类错误都需要计算K-1类的判别函数,随着K的增加,使得计算量大量增加,于是提出了一种改进的MCE模型去减少计算量,并进而提高运算速度。实验结果显示:所提出的方法确实减少了计算量,而且提高了系统的辨认率。(3)采用了改进的小波去噪方法对含噪语音进行了前端处理,并且针对说话人识别的特点,在小波重构之前对各小波系数进行了加权处理;识别过程采用了GMM识别算法。实验结果显示,本文所提出的方法对于含噪说话人识别有着比纯粹使用MFCC作为识别特征的说话人识别有明显的优越性。所提出的方法对进行实时的说话人识别有很好的指导作用。(4)高斯函数的线性组合能描述大量的采样分布,因此GMM具有计算的有效性和易于实现的优点,特别是在实时平台上。基于ML规则,模型参数不断更新,直到观察序列的概率的一些极限点。然而实际上,由于爬山特征,任意的原始模型参数估计通常将导致局部最优。遗传算法(GA)是近年来发展起来的强有力全局搜索工具,特别适合于求解复杂组合优化问题及非线性函数优化。提出了基于说话人识别的可以解决GMM局部最优问题GMM/GA新算法。实验结果显示,提出的GMM/GA新算法比纯粹的GMM算法能获得更优的效果。(5)去噪的目的是去掉噪声和保留尽量重要的特征。近来,用非线性处理的信号去噪,如小波变换已越来越普遍。对于小波阈值,使用了根据估计值变量和偏差的能显示软硬阈值的半软阈值函数。GMM普遍用于说话人识别系统中,并且在宽带语音中表现出了很好的性能。然而,在噪声环境下,性能急剧下降。GMM的另一个困难是需要至少几分钟的训练语音,这对实时应用是不适用的。另一方面,ANN需更少的训练数据。所以联合概率神经网络(PNN)和GMM去提高系统的性能。试验结果显示,所提出的方法有利于噪声环境下的说话人识别。
曹刚[5]2004年在《运动车辆识别技术研究》文中研究指明基于视频图像的运动车辆识别系统主要是由汽车牌照识别和汽车类型识别两大核心技术构成,它在智能交通领域中有着广泛的应用,同时也是计算机视觉、图像处理和模式识别等交叉学科研究的热门课题,因此对相关技术的研究正受到普遍关注。本文正是在这一背景下,对运动车辆识别技术进行了系统的研究。在车牌识别技术中,本文着重对车牌定位和车牌字符识别等关键技术所涉及的难点进行了深入的研究。在车型识别技术中,与当前国内外学者侧重于研究车辆外形、大小的识别不同,本文主要侧重对汽车标志的定位和识别进行研究。本文提出了解决以上技术中相应问题的理论方法,并在实验中验证了其有效性,同时这些研究内容对于解决一般的目标识别系统中普遍存在的光照、噪声、尺度、形状相似、部分遮挡等情况的识别问题有着更为深远的理论意义。本文研究的主要内容和创新点有:(1)目标识别中特征提取和识别算法的研究:运动车辆识别系统是一种典型的目标自动识别系统,而特征提取和识别算法是目标识别研究的核心问题。本文在概括和分析当前特征提取和识别算法的基础上,重点对小波隐马尔可夫模型进行了研究。小波隐马尔可夫模型是小波变换与隐马尔可夫模型相结合的一种小波域随机信号的统计模型,它有机地融合了小波变换的局部分析性、多尺度性和隐马尔可夫模型的上下文相关性,不仅能多尺度地精确刻画目标的局部特征,还能准确地反映目标的整体分布信息,从而成为解决目标识别(如车辆识别系统)中受噪声、形状相似、部分遮挡等问题的最有力的工具之一。所以本文对它进行了深入的研究,并对有关的识别和训练算法进行了优化。小波隐马尔可夫模型通常分为树状和链状两种模型,本文不仅提出了一种改进的树状模型,有效地增强它对目标纹理特征的分割能力,还在链状模型中提出<WP=4>了几种仿射不变小波描述子来构造观察序列,从而使得它在目标识别中有着更广泛的应用。(2)汽车牌照定位算法的研究: 在检测和捕获到的汽车图像上进行车牌自动定位是车牌识别技术的关键前提,其技术难点是由于受其它干扰源的影响,常规方法的分割阈值难以调节,从而造成车牌的误定位和漏定位。本文在分析汽车牌照纹理特征的基础上,提出了一种自适应能量滤波和小波隐马尔可夫树状模型相结合的快速车牌定位算法。它先用设置了初始阈值的能量滤波将图像中的车牌候选区域快速分割出来,然后根据小波隐马尔可夫树状模型对车牌纹理特征的精确描述来对候选区域进行判别,最后由判别结果决定是否得到真实车牌区域或对能量滤波阈值进行自动调节来重新分割车牌候选区域。大量实验结果证明了该方法是一种快速、鲁棒性强和定位正确率高的车牌定位算法。(3)汽车牌照字符识别算法的研究: 在识别车牌字符时,由于字符常存在噪声、笔画断裂、模糊等问题,常规的字符识别方法(如模板匹配)容易导致车牌字符的错误识别,因此必须发展新的车牌字符识别算法来提高识别率。本文提出了一种包括特征点匹配和小波隐马尔可夫链状模型的多级车牌字符分类器。它主要将模板匹配方法作为初级识别器快速得到候选类别,然后再用候选类别对应的特征点模型和小波隐马尔可夫链状模型分别对字母、数字与汉字进行二次匹配得到最终的识别结果。实验结果证明了该方法能有效地提高车牌字符的识别率。(4)汽车标志定位算法的研究: 汽车牌照具有较鲜明的纹理特征和规则的形状,而各种汽车标志的纹理特征和形状、大小都不相同,采用常规的相关匹配定位算法会消耗大量的计算时间,因此汽车标志的定位问题已成为车标识别技术在实时系统中应用的瓶颈。本文从人眼的视觉特性出发,提出了一种实用的从粗到精的车标定位算法,即先根据先验知识确定车标的大致范围,再运用图像处理中的边缘检测和形态算子确定较准确的车标位置,最后在极小的范围内用相关匹配算子得到车标的精确位置。实验结果证明了该方法的快速性和有效性。(5)汽车标志识别算法的研究: 车标定位后,车标识别就成为2D形状的识别问题。但是由于受光照、噪声、形状相似、部分遮挡的影响,常规的2D<WP=5>形状识别算法难以达到满意结果。在模板匹配初级识别的基础上,本文分别提出了基于边缘方向直方图和基于小波隐马尔可夫链状模型的两种二次车标识别算法。边缘方向直方图可快速提取车标形状的全局特征,虽然在一定程度能弥补模板匹配的不足,但仍不能很好地解决形状相似车标的识别问题。而小波隐马尔可夫链状模型通过小波观察序列提取车标形状的局部特征,并由其隐马尔可夫特性来描述各局部特征的相关性,从而有效地消除了车标识别中受上述情况的影响。实验结果证明了以上方法具有较高的识别率。(6)运动车辆识别系统中其它几类技术问题的探讨:本文还就运动车辆识别系统中其它几类较为重要的技术问题如基于视频的运动车辆检测技术、车辆外形、大小、颜色的识别技术进行了探讨,对与之有关的技术难点和解决方法予以介绍。(7)有关专用工具软件的开发: 针对以上研究中涉及的各种算法,本文采用VC并嵌套MATLAB工具箱开发了一套用于实验的专用工具软件。该软件主要集成了位图、图像处理、车牌识别、车标识别、视频捕获等几个基本的功能模块,具有很高的研究和实用价值
彭玲[6]2005年在《基于小波域隐马尔可夫树模型的遥感图像纹理分类研究》文中研究说明遥感图像有着丰富的纹理信息,准确地提取纹理特征对于图像分割或分类至关重要。基于模型的方法是纹理特征提取的基本方法,也是一种比较适用于遥感图像纹理分析的方法。此外,纹理的多尺度效应描述在纹理分析中也不可忽视。 本文根据遥感图像纹理所呈现的多尺度特性和随机的特性,采用基于小波域隐马尔可夫树模型(HMT)对纹理进行分析,并有机地结合遥感图像的要求和特点进行深入研究。由于小波系数不满足高斯分布,在同尺度内和尺度间都表现为一种潜在的依赖关系,所以小波域HMT模型较准确地揭示了小波系数间的这些依赖关系,在实现上利用最大期望算法(EM算法)估计模型参数,采用最大似然方法进行分类。 结合遥感图像的特点,论文在描述HMT模型建立及其图像分割应用的基础上,对模型本身及其在图像中的具体应用进行了深入研究。研究并解决了训练样本与待分图大小不一致的问题;提出一次建模、多级同时分割的展示方法:针对多光谱遥感图像,通过HSI变换和最大主成分分析,将多光谱信息融合起来,得到图像在多方面的描述,如H-S-I分量和最大主成分分量,进而在融合结果上采用HMT方法取得分割结果。研究表明,合理地利用多波段信息有助于分割结果的改进。此外,论文还对基于HMT表示的纹理的多尺度效应及相关问题进行了比较深入的研究,对于后续研究工作具有一定的价值和意义。
李旭超[7]2006年在《小波变换和马尔可夫随机场在图像降噪与分割中的应用研究》文中指出噪声的存在对后续更高层次的图像处理产生不利影响,因此有必要对图像进行降噪研究。图像分割是图像处理的中心任务,而准确的图像分割仍然是个难点,因此有必要对图像分割进行研究。本文的主要研究内容为: 1、提出了小波系数模极大值和Neyman-Pearson准则阈值的图像降噪方法,在一定程度上解决了图像降噪和保留图像高频边缘信息这个“两难”问题。首先分析了小波变换的边缘检测特性,根据加性高斯噪声的小波变换特点,提出了一个定理,即加性高斯噪声的小波变换仍服从高斯分布;在此基础上,给出了图像降噪阈值的确定方法,然后将上述阈值用于初始小波系数的确定,用得到的估计小波系数来确定理想图像的小波系数。仿真表明:从定量的角度来看,此方法能提高降噪后图像的信噪比,评价原图像和降噪后图像近似程度的最小方差较小、线性相关系数较大;从定性的角度来看,本文提出的方法能很好地保留原始图像的边缘信息。 2、提出了小波域马尔可夫随机场先验模型的图像降噪方法。这种方法能更好地捕捉尺度内小波系数的“聚集”特性、尺度间小波系数的非高斯分布及持续性。首先分析了小波域尺度间隐马尔可夫模型不足,在此基础上,给出了用每个小波系数两个状态的似然比来确定判断小波系数重要性的测度,然后根据小波系数的模幅值判定小波系数重要性的标号,具有相同标号的小波系数反映了相邻的小波系数具有某种共同的属性,根据小波系数的标号和由尺度间隐马尔可夫模型初步确定的小波系数的收缩因子来最终确定理想图像小波系数的收缩因子。仿真表明,本文提出的方法能很好地捕捉小波系数的特性,取得了较高的峰值信噪比,评价原图像与降噪后图像近似程度的线性相关系数较大。 3、在分析了空域马尔可夫模型不足的基础上,提出了空域马尔可夫层次模型的图像分割算法。在图像模型的建立上,底层特征场用有限通用混合模型来描述,有限高斯混合模型仅是其一种特殊情况,使图像特征的描述更具有通用性;顶层标号场用Gibbs分布描述区域的相关性,在注重区域的一致性同时,将边缘信息引入Gibbs分布中,更好地描述了图像区域的性质;在特征场模型参数的估计上,为了摆脱经典的模拟退火算法收敛慢和期望最大值算法容易陷入局部极值的局限,推导出了一种改进的期望最大值算法;在标号场模型参数的估计上,采用了局部逼近的思想;在标记数的确定上,采用了信息论中的最小描述长度准则来确定标记的数目。利用贝叶斯准则,根据标记图像的后验分布所对应的FGMM-MRF模
王国刚[8]2016年在《基于二维高阶HMM的彩色滤波阵列插值研究》文中提出图像是人类认识世界和相互交流的主要媒体。与低分辨率图像相比较,高分辨率图像有精细的灰度变化和锐利的细节,能提供更清晰的主观效果。但是,受图像传感器生产工艺和制造技术等因素的限制,采集图像的分辨率有时是不足的,难以满足需求。基于信号处理的图像插值技术有望突破传感器制造工艺和高精度光学元件普遍存在的局限性,是获得高分辨率图像的最理想的解决方案之一。目前图像插值技术广泛应用于医疗、遥感、公共安全等领域,受到国内外学者的普遍关注和广泛研究。本文着重研究基于二维高阶隐马尔可夫模型的彩色滤波阵列插值算法,从概率计算、模型训练、路径回溯、图像的统计特性、图像的非局部相似性等方面深入研究马赛克图像的重建,主要研究成果为:(1)针对隐马尔可夫模型经典假设的局限和不足,提出了与观测信息相关的n阶隐马尔可夫模型。给出了新模型的结构。提出了新模型的前向算法和后向算法,并用前向算法计算给定模型下观测序列出现的概率。研究了与观测信息相关的n阶隐马尔可夫模型的Baum-Welch算法,导出了与观测信息相关的n阶隐马尔可夫模型的参数重估公式。(2)针对二维离散隐马尔可夫模型经典假设的局限和不足,提出了一种观察值输出概率不仅与当前状态有关,而且还与水平、垂直和对角方向上最临近的状态有关,转移概率不仅与水平和垂直方向上最临近的状态有关,而且还与对角方向上最临近状态有关的新模型,即:二维离散3×4阶隐马尔可夫模型。定义了该模型的结构,研究了该模型的叁个基本问题。分析了该模型列或者行上的状态序列和观测序列所具有的性质,通过把该模型看成一个一维离散1×2阶隐马尔可夫模型,给出了解决这叁个问题的算法。与二维离散隐马尔可夫模型相比,该模型纳入了更多的统计特征,考虑了更多的上下文信息,所以从理论上讲该模型能够更加准确地描述一些实际问题。(3)二维连续隐马尔可夫模型的状态转移概率仅与水平方向和垂直方向上最临近的状态有关,观察值输出概率密度仅与当前状态有关,所以二维连续隐马尔可夫模型仅仅捕捉到了水平方向和垂直方向上的最临近的上下文信息,丢失掉了其它方向上的上下文信息。然而,上下文信息除了来自于水平方向和垂直方向外,还可能来自其它方向,例如对角方向。为此,本文提出了一种二维连续高阶隐马尔可夫模型,即:二维连续3×3阶隐马尔可夫模型。该模型的状态转移概率与水平、垂直和对角方向上最临近的状态有关,观察值输出概率密度与当前状态以及水平和垂直方向上最临近的状态有关。定义了二维连续3×3阶隐马尔可夫模型的结构,研究了该模型的叁个基本问题。分析了该模型列或者行上的状态序列和观测序列所具有的性质,通过把该模型看成一个一维连续1×2阶隐马尔可夫模型,给出了解决这叁个问题的算法。与二维连续隐马尔可夫模型相比,该模型纳入了更多的统计特征,考虑了更多的上下文信息,从理论上讲能够更加准确地描述一些实际问题。(4)单传感器数码相机得到的色彩图像在每一个像素点处只有一种色彩值,为了得到一幅全彩色图像,需要在每一个像素位置上估计出另外两个缺失的色彩值。现有主要算法都是利用像素的相关性进行估计和插值,在那些边缘色彩跳变处和色彩高饱和度处容易估计失误,出现所谓的马赛克失真。为了克服这类马赛克现象,本文提出了利用图像的非局部相似性,即利用处于图像中不同位置处的像素点往往表现出很强的相关性这一特点的自适应去马赛克的插值算法。实验结果表明,相对于传统插值算法,该类算法提高了图像的峰值信噪比,锐化了图像的纹理和边缘,减少了虚假色和锯齿现象,改善了图像的视觉效果。(5)与二维隐马尔可夫模型相比,二维高阶隐马尔可夫模型包含了更多的统计特征,能够更好地对图像的空间相关性进行建模。本文提出了两种基于二维高阶隐马尔可夫模型的自适应的去马赛克方法,一种是基于二维连续3×3阶隐马尔可夫模型的去马赛克方法,另一种是基于二维离散3×4阶隐马尔可夫模型的去马赛克方法。这两种去马赛克方法,都利用了像素之间的空间相关性和原高分辨率图像的统计特征。实验结果表明,相对于基于二维隐马尔可夫模型的去马赛克算法,该类算法提高了图像的峰值信噪比,锐化了图像的纹理和边缘,减少了虚假色和锯齿现象,改善了图像的视觉效果。综上所述,本文在深入研究彩色滤波阵列插值算法和二维隐马尔可夫模型的基础上,针对其不足之处,并充分利用非局部相似性、色差的方差和自然图像的统计特性,提出了两种新的二维高阶隐马尔可夫模型和四种新的彩色滤波阵列插值算法。有效地克服了现有算法存在的不足,提高了重建图像的质量。
曹彬[9]2010年在《基于隐马尔可夫模型的人脸识别设计与实现》文中进行了进一步梳理人脸检测与识别技术作为近年来越来越受关注的计算机视觉研究课题之一,被广泛地应用到安全领域。人脸检测与识别是利用人脸这一人体固有的生物特征进行个人身份鉴别的过程,具有良好的安全性、可靠性和有效性。本文主要针对人脸识别过程中图像处理,人脸检测与识别技术进行研究。首先分析所使用的图像预处理方法：灰度化、图像缩放和图像去噪,重点集中在对图像中脉冲噪声检测与去除方法的研究。通过举例分析发现传统图像脉冲噪声检测方法中,基于检测窗口内像素最值判断噪声的标准不准确,可能造成错误接受噪点,增加图像处理时间。通过引入距离平均值对传统脉冲噪声检测方法进行简单改进。由于人脸检测操作频繁,实时性要求较高,本文采用哈尔特征(Haar feature)分类器与隐马尔可夫模(Hidden Markov Model, HMM)结合进行人脸检测与识别的解决方案。在人脸检测方面,使用基于哈尔特征的分类器,确定人脸位置。利用特征分类器检测速度快、实时性好的特点来弥补隐马尔可夫模型判断准确但速度较慢的不足在人脸识别方面,主要研究基于隐马尔可夫模型进行识别人脸时,所使用的离散余弦变换这一图像特征提取方法。直接使用图像离散余弦特征时,特征数据量大,造成人脸识别速度慢。通过分析研究小波变换方法,在人脸特征提取过程中引入基于小波变换的图像压缩环节,减少数据量,取得原始图像的逼近图像。然后获取逼近图像的离散余弦特征,从而减少隐马尔可夫模型的计算时间,确保识别系统的实时性最后,结合所采用的方法,基于PC平台实现人脸检测识别系统。通过在自身采集的人脸库环境下的测试,该系统取得较好的测试效果。
王来慧[10]2012年在《基于多分辨率隐马尔可夫随机场的动态纹理分割》文中进行了进一步梳理动态纹理是一种空间重复且随时间变化的视觉模式，它构成了在时间上具有某种稳定特性的图像序列，在时空上具有某种自相似性。动态纹理是视频中非常重要的特征，为视频处理和分析提供重要的信息。动态纹理作为动态纹理分析研究的重要内容，在军事、工业、医学、智能交通、气象学、公共安全等领域有着巨大的应用前景。动态纹理分割是指将一个自然景物的图像序列分割成互不相迭、纹理均匀一致的若干区域。空时隐马尔可夫随机场模型可以有效地刻画动态纹理表现出的“运动”和“外观”特征，因此，本文旨在研究基于空时隐马尔可夫随机场（STHMRF）模型的动态纹理分割，并结合小波的多分辨率特性，将其推广到小波域，形成多分辨率空时隐马尔可夫随机场模型。本文主要工作如下：1.基于空时隐马尔可夫随机场（STHMRF）的动态纹理分割。根据动态纹理的空时特性来确立标记场中的能量函数和邻域系统，分别采用吉布斯分布和高斯分布描述隐马尔可夫随机场中的标号场和观察场，建立基于空时隐马尔可夫随机场的动态纹理分割模型，并运用EM算法和最大后验准则（MAP），实现参数估计和动态纹理分割。仿真实验验证本文所提的算法具有较明显的优越性。2.基于小波标量空时隐马尔可夫随机场（标量MSTHMRF）动态纹理分割。根据小波系数更适合采用高斯分布来描述和小波变换的多分辨率特性的优点，提出了标量MSTHMRF动态纹理分割算法。该方法利用同一方向不同尺度上小波系数的隐含关系，将高级细节子带的STHMRF分割结果初始化低级细节子带的标号场，并将低级细节子带的分割结果融合得到原始图像标号场的初始值，最后利用STHMRF进行分割得到最终结果。实验结果表明该方法优于基于STHMRF的分割算法。3.基于小波矢量隐马尔可夫随机场（矢量MSTHMRF）动态纹理分割。基于矢量MSTHMRF动态纹理分割算法在标量MSTHMRF的分割算法基础上进行拓展，考虑了同一尺度各个子带小波系数的关系。该方法将同一尺度（级）各子带同一位置上的系数组成的7维向量当作一个观察场，再用矢量隐马尔可夫随机场模型进行逐级分割。仿真实验验证了方法的有效性。
参考文献：
[1]. 隐马尔可夫过程小波变换的参数估计[J]. 马洪, 王茂华. 四川大学学报(自然科学版). 2005
[2]. 隐马尔可夫过程小波变换的参数估计[D]. 王茂华. 四川大学. 2003
[3]. Contourlet变换研究及其在图像处理中的应用[D]. 刘清鸣. 南昌大学. 2008
[4]. 在噪声环境下的说话人识别[D]. 邱政权. 华南理工大学. 2007
[5]. 运动车辆识别技术研究[D]. 曹刚. 四川大学. 2004
[6]. 基于小波域隐马尔可夫树模型的遥感图像纹理分类研究[D]. 彭玲. 中国科学院研究生院（遥感应用研究所）. 2005
[7]. 小波变换和马尔可夫随机场在图像降噪与分割中的应用研究[D]. 李旭超. 浙江大学. 2006
[8]. 基于二维高阶HMM的彩色滤波阵列插值研究[D]. 王国刚. 南京邮电大学. 2016
[9]. 基于隐马尔可夫模型的人脸识别设计与实现[D]. 曹彬. 西南交通大学. 2010
[10]. 基于多分辨率隐马尔可夫随机场的动态纹理分割[D]. 王来慧. 哈尔滨工程大学. 2012
标签：数学论文; 马尔可夫论文; 小波变换论文; 参数估计论文; 隐马尔可夫模型论文; 图像融合论文; 图像分割论文; 随机算法论文; matlab小波变换论文; 图像噪声论文; 动态模型论文; 二维论文;