多尺度变换域图像的感知与识别:进展和展望

摘要：

多尺度变换域隐马尔可夫模型能够有效地描述变换域系数在尺度间、尺度内和方向间的统计相关性,是一种新的统计图像感知与识别方法.文中以变换域系数的统计相关性描述为中心,以模型的设计和应用的开展为两翼,深入分析了子波变换的三级统计特性与机理,比较研究了多尺度变换域的十种统计模型,并系统评述了这些模型在图像感知、处理和分析中的最新进展.同时,具体论述了这一领域研究中两类成功的实例:图像去噪和图像纹理分割.对于前者,以Lena图像为测试用例分析比较了以变换域统计模型为核心的8种算法的去噪性能;对于后者,按照分割类型(监督式或非监督式)和应用的图像类型系统比较了以统计模型为基础建立的15种图像分割方法.最后,从面向应用的模型构造和算法设计、变换域的拓展和应用层次的推广三个层面指出了目前存在的问题和不足,探讨了进一步的研究重点.

关键词：子波分析、隐马尔可夫模型、统计建模、图像感知、多尺度几何分析

所属期刊栏目：29

分类号：TP18(自动化基础理论)

资助基金：中国科学院资助项目60133010;60372050;国家科技攻关项目2002AA135080;科技部科研项目2001CB309403

在线出版日期：2006-04-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共17页

页码：177-193