改进的contourlet变换域隐马尔可夫树模型 improved contourlet-domain hidden markov tree models.pdfVIP

第13卷第4期 电路与系统学报 V01．13No．4 JOURNALOFCIRCUITSANDSYSTEMS 2008 2008年8月 August， 文章编号：1007．0249(2008)04．0065．05 改进的contourlet变换域隐马尔可夫树模型’ 梅雪1，一， 李久贤1， 夏良正1 (1．东南大学自动化学院，江苏南京210096；2．南京工业大学自动化学院，江苏南京210009) 摘要。Contourlet域隐马尔科夫树(C 系数的相关性做出统计描述，是一种比小波域HMT模型更为有效的系数相关性描述方法。本文提出了一种改进的 斯性和持续性。将该模型应用于图像的去噪，并与另外几种典型的去噪算法作定性比较，验证了本文提出的改进的 CHMT模型在图像去噪性能方面有一定的优越性。 关键词。C—HMT；Contourlet变换；图像去噪；隐马尔可夫树模型 中图分类号，TP391 文献标识码，A 1 引言 多尺度变换域隐马尔可夫模型(HMM)是最近发展起来的并广泛应用于图像处理领域的一种带参 数统计模型，该模型能够有效地描述多尺度变换域系数在尺度间、尺度内和方向间的统计相关性，是 一种有效的图像处理与分析方法…。自从1996年Crouse等人【2】提出了小波域隐马尔可夫模型以来，这一 领域就受到众多学者的关注，提出了许多不同变换域的HMM模型[3,41，在模型的建立、简化【5】，尺度 间及子带间系数相关性描述【6J等方面进行了大量研究。 小波域隐马尔可夫树(HMT)模型体现了现实图像的小波域所具有的非高斯、延续性特点，通过 该模型挖掘小波系数间的相关性能使信号和噪声得到有效的“分离”，从而可以恢复出原始的“无噪” 信号，在图像去噪、图像分割等领域得到了广泛的应用。Contourlet变换作为新的多尺度信号的表示方 法，除具有小波变换的优点外，还具有多方向性和各向异性的优点。Contourlet变换系数和小波系数具 不但可以描述尺度间的相关性，而且可以描述不同方向间系数的相关性。为了捕捉contourlet变换系数 更为丰富的相关性，获得更好的去噪效果，本文提出了一种改 进的contourlet变换域HMT模型，使节点的状态不只依赖于其父 节点的状态，而且兼顾到其父节点相邻节点的状态。将该模型 应用在图像去噪中，验证了改进模型的有效性和优越性。 2 Contourlet变换 }．◆。{ 2002年，Do和MartinVetterli提出了一种具有多分辨的、 图1 Contourlet变换原理图 局部的、多方向的图像表示方法【7J：contourlet变换。该变换对 于图像的变换是真正的二维变换，变换的最终结果使用类似于轮廓段(contourSegment)的基结构来 逼近原图像的，其基函数支撑区间的长度比随尺度变化而变化，能以接近最优的方式描述图像边缘， 像本身所固有的光滑边缘等几何结构，而小波变换只能检测到信号的点奇异性特征。 Contourlet变换由拉普拉斯塔式分解(LP，Laplacian 2007—04—09 +收藕日期t 修订日期：2007．05—10 基金项目t国内科技合作和长三角联合攻关项目(2005E60007)；江苏省“六人人才高峰”项目(07E24) 万方数据 电路与系统学报 第13卷 觉信息的三个基本要素一尺度、空间和方向信息。 3 Contourlet域HMT模型(记为C—HMT) 3．1 Contourlet变换域系数特性 小波变换系数大部分系数的幅值较小，少部分系数的幅值较大，具有非高斯分布特性、聚集性和 和聚集性(clustering)两种特性也十分明显。 统计建模，构造了C 之间的相关性，而且可 以同时描述不同方向间 I