导读:本文包含了小波域隐马尔科夫模型论文开题报告文献综述及选题提纲参考文献，主要关键词:图像分割,小波域,马尔科夫,边界
小波域隐马尔科夫模型论文文献综述
唐文静,许兆新[1]（2014）在《结合边界的小波域马尔科夫模型的图像分割算法》一文中研究指出针对基于马尔科夫随机场(MRF)的分割算法常存在边界块效应,且对整幅图像进行建模运行效率低等问题,提出了结合边界的小波域马尔科夫模型的图像分割算法,把影像的特征场建立在一系列小波域提取的边界上,并建立相应的边界标号场MRF模型,借助贝叶斯框架和SMAP准则实现分割。利用Matlab GUI实现了分割系统,通过医学图像检验,结果表明:相比于小波域分层随机场模型(WMSRF),该算法在有效区分不同区域的同时很好地保留了边界信息,提高了运行效率。(本文来源于《传感器与微系统》期刊2014年09期）
袁全桥[2]（2014）在《基于小波域改进马尔科夫模型的图像拼接盲检测研究》一文中研究指出图像处理技术的进步使得曾经作为记录信息最可靠的方式——图像不再可靠，因此数字图像防伪检测成为信息安全方向的重要课题。篡改图像的形式有很多种，其主要目的在于对图像内容进行修改以使其满足特定的要求，在这个过程中拼接是最普遍最基本的一种操作。国内外学者针对图像拼接检测提出了一系列的技术和方法，为图像防伪提供了有效手段。本文在介绍了基于图像自然统计模型最具代表性的拼接盲检测算法后，针对其图像变换和马尔科夫模型做出了改进，分别提出了面向图像拼接选取最优小波子带的方法和基于观测值概率划分的马尔科夫状态选取方法。对于图像变换，文章结合小波变换的原理和特性分析了其适用于拼接检测的原因，并通过实验说明处于不同空间域和频率域小波子带所携带拼接信息的不同，证实了高阶子带适合提取拼接信息的结论。对于马尔科夫模型，本文首先介绍了传统方法通过对系数进行取整和阈值化处理来实现马尔科夫状态选取的不足，然后通过拟合系数分布的函数模型计算观测值概率，并根据概率划分将系数映射为马尔科夫状态。最后，本文在哥伦比亚图像拼接检测库上进行了仿真测试，首先对改进盲检测算法的理论分析部分进行了验证，肯定了算法设计的合理性。然后将我们的特征与其他特征比较，实验结果显示其作为单一特征具有最佳的识别效果，从而验证了算法设计的有效性。(本文来源于《上海交通大学》期刊2014-01-03）
罗志增,王占玉[3]（2010）在《基于小波域隐马尔科夫模型的肌电信号滤波》一文中研究指出为了消除肌电信号中的噪声并且保留信号的细节信息,本文提出了基于小波域隐马尔科夫模型的肌电信号消噪方法。该方法利用隐马尔科夫模型对表面肌电信号小波分解后的小波系数之间的相关性进行建模,运用训练模型算法(Expectation-Maximization algorithm,EM算法)估计出该模型的参数,以贝叶斯估计得到真实信号的小波系数,通过重构实现肌电信号的滤波。实验结果表明该方法能有效地去除肌电信号中的噪声,对进一步的特征提取和模式识别创造了良好的条件。(本文来源于《仪器仪表学报》期刊2010年11期）
赖宗英[4]（2010）在《基于小波域隐马尔科夫模型的图像杂波抑制技术研究》一文中研究指出在强背景下微弱点状运动目标的检测和跟踪问题中,由于背景杂波的强度比目标亮度大很多,而且通常不知道其统计特性,强背景下目标的直接检测和跟踪实现起来非常困难。而杂波抑制能起到最大限度地去除掉背景杂波,保留目标和噪声的目的,是实现目标检测与跟踪的必要环节。它能够将原始输入图像变换成适合检测器的目标加噪声模型,在目标检测和跟踪系统中占有重要地地位。本文研究了一种新的小波域HMM实现图像杂波抑制的方法,一是与通常的基于小波域HMM的处理方法相同,对小波变换的高频系数建立HMM模型,通过对模型参数的训练得到最优的模型参数,用于估计图像的背景;另一种是通过对小波变换的低频部分小波系数建立HMM模型、训练其模型参数,采用类似于高频系数的处理方法来估计图像背景杂波,实现图像杂波抑制。杂波抑制后,残留噪声的高斯性和独立性通过Kendall秩相关算法和Friedman统计量的方法来进行了验证。试验结果表明该方法有效可行。(本文来源于《新疆大学》期刊2010-05-22）
赵贻玖,王厚军,戴志坚[5]（2010）在《基于隐马尔科夫树模型的小波域压缩采样信号重构方法》一文中研究指出压缩传感理论利用信号的稀疏性,对其非自适应线性投影进行压缩采样,通过最优化问题准确重构原始信号。传统重构算法仅利用了信号的稀疏性,而未对转换后的信号结构进行分析。提出了一种基于4状态的隐马尔科夫树模型的小波域压缩采样信号的重构方法,相对2状态的隐马尔科夫树模型,该模型能够获取相邻尺度小波系数的更多相关特性,通过仿真结果表明,该算法具有更高的重构精度。(本文来源于《电子测量与仪器学报》期刊2010年04期）
侯彪,刘凤,焦李成,包慧东[6]（2009）在《基于小波域隐马尔科夫树模型的图像分割》一文中研究指出改进了传统的基于小波域隐马尔科夫树模型的图像分割方法.由于传统方法均为直接选择小波子带系数作为训练特征,不能直接得到像素级分割结果;同时传统方法在后融合方面对所有尺度均采用同一种上下文背景,而忽略不同尺度上初分割类标志图的特点.因此,本文在粗分割阶段首先处理了训练时参数设置的问题,并选取了更能表征纹理的特征,能直接得到像素级分割结果;在多尺度融合阶段,充分利用不同尺度上类标志图的特性,不仅考虑粗尺度信息对融合结果的影响也考虑了细尺度信息对结果的影响.实验表明本文算法的视觉效果好于与本文进行比较的Choi提出的HMTseg以及孙强提出的WD-HMTseg遥感图像分割算法.(本文来源于《红外与毫米波学报》期刊2009年02期）
宋锦萍,侯玉华,杨晓艺,唐远炎[7]（2007）在《基于小波域多状态隐马尔科夫树模型的自适应文本图像分割算法》一文中研究指出本文针对文本图像首先提出了一种基于小波域多状态隐马尔科夫树模型的自适应文本图像分割算法(Context-Adapted wavelet-domain Hidden Markov Tree,简称为CAHMT),该算法具有较高的分割质量和较低的计算复杂度.其次,为了进一步提高CAHMT算法分割的效果,将该算法与微分算子、尺度系数相结合提出了两种新的文本图像分割算法.最后通过实例阐明了这些算法的有效性.(本文来源于《电子学报》期刊2007年01期）
宋锦萍,杨晓艺,侯玉华[8]（2005）在《基于小波域混合状态隐马尔科夫树模型的文本图像子带分割算法》一文中研究指出针对文本图像提出了一种基于小波域混合状态HMT(H idden M arkov Tree)文本图像子带分割算法.该算法在充分考虑经二维小波变换后各子带之间相关性的同时,分别对背景、文字、图片叁种纹理建立了不同状态的HMT模型,并且通过计算机仿真实验说明了该算法的有效性.(本文来源于《河南大学学报(自然科学版)》期刊2005年03期）
侯玉华,杨晓艺,宋锦萍,文成林[9]（2002）在《基于小波域多状态隐马尔科夫树模型多尺度文本图像分割》一文中研究指出该文基于小波域多状态隐马尔科夫树(HMT)模型,引入一种新的文本分割方法。该分割方法是在H.Choi et al.(2001)工作的基础上,将文本按纹理分为背景、文字与图片3种类型,分别建立多状态HMT模型。另外,基于平滑图像将上述方法又作了进一步的改进,引入了多状态IHMT分割方法,最后通过实例阐明了方法的有效性。(本文来源于《电子与信息学报》期刊2002年12期）
侯玉华,宋锦萍,周福娜,文成林,杨晓艺[10]（2002）在《基于小波域隐马尔科夫模型的文本图像子带分割方法》一文中研究指出本文在已有文献的基础上 ,通过分析不同子带小波系数之间的相关性 ,提出了一类基于小波域HMT(HiddenMarkovTree)模型文本图像分割方法 .其基本思想是先在子带分类的基础上 ,综合考虑不同尺度上的分类 ,进行多尺度文本图像分割 ,最后根据后验像素信息对上述方法所得分割结果进行修正 ,得到优于已有文献的分割效果 ,而且在一定程度上减少了分割算法的计算量 .(本文来源于《电子学报》期刊2002年08期）
小波域隐马尔科夫模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
图像处理技术的进步使得曾经作为记录信息最可靠的方式——图像不再可靠，因此数字图像防伪检测成为信息安全方向的重要课题。篡改图像的形式有很多种，其主要目的在于对图像内容进行修改以使其满足特定的要求，在这个过程中拼接是最普遍最基本的一种操作。国内外学者针对图像拼接检测提出了一系列的技术和方法，为图像防伪提供了有效手段。本文在介绍了基于图像自然统计模型最具代表性的拼接盲检测算法后，针对其图像变换和马尔科夫模型做出了改进，分别提出了面向图像拼接选取最优小波子带的方法和基于观测值概率划分的马尔科夫状态选取方法。对于图像变换，文章结合小波变换的原理和特性分析了其适用于拼接检测的原因，并通过实验说明处于不同空间域和频率域小波子带所携带拼接信息的不同，证实了高阶子带适合提取拼接信息的结论。对于马尔科夫模型，本文首先介绍了传统方法通过对系数进行取整和阈值化处理来实现马尔科夫状态选取的不足，然后通过拟合系数分布的函数模型计算观测值概率，并根据概率划分将系数映射为马尔科夫状态。最后，本文在哥伦比亚图像拼接检测库上进行了仿真测试，首先对改进盲检测算法的理论分析部分进行了验证，肯定了算法设计的合理性。然后将我们的特征与其他特征比较，实验结果显示其作为单一特征具有最佳的识别效果，从而验证了算法设计的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
小波域隐马尔科夫模型论文参考文献
[1].唐文静,许兆新.结合边界的小波域马尔科夫模型的图像分割算法[J].传感器与微系统.2014
[2].袁全桥.基于小波域改进马尔科夫模型的图像拼接盲检测研究[D].上海交通大学.2014
[3].罗志增,王占玉.基于小波域隐马尔科夫模型的肌电信号滤波[J].仪器仪表学报.2010
[4].赖宗英.基于小波域隐马尔科夫模型的图像杂波抑制技术研究[D].新疆大学.2010
[5].赵贻玖,王厚军,戴志坚.基于隐马尔科夫树模型的小波域压缩采样信号重构方法[J].电子测量与仪器学报.2010
[6].侯彪,刘凤,焦李成,包慧东.基于小波域隐马尔科夫树模型的图像分割[J].红外与毫米波学报.2009
[7].宋锦萍,侯玉华,杨晓艺,唐远炎.基于小波域多状态隐马尔科夫树模型的自适应文本图像分割算法[J].电子学报.2007
[8].宋锦萍,杨晓艺,侯玉华.基于小波域混合状态隐马尔科夫树模型的文本图像子带分割算法[J].河南大学学报(自然科学版).2005
[9].侯玉华,杨晓艺,宋锦萍,文成林.基于小波域多状态隐马尔科夫树模型多尺度文本图像分割[J].电子与信息学报.2002
[10].侯玉华,宋锦萍,周福娜,文成林,杨晓艺.基于小波域隐马尔科夫模型的文本图像子带分割方法[J].电子学报.2002