《小波域馬爾可夫隨機場在圖像處理中的套用》是2011年電子工業出版社出版的圖書，作者是李旭超。本書講述小波域馬爾可夫隨機場在圖像降噪與分割中的套用，主要內容包括空域和小波域圖像統計模型的建立等。
基本介紹
- 書名：小波域馬爾可夫隨機場在圖像處理中的套用
- 作者：李旭超
- ISBN：9787121145605
- 頁數：220頁
- 定價：59.00元
- 出版社：電子工業出版社
- 出版時間：2011年9月
- 裝幀：平裝
- 開本：16開
- 用紙：膠版紙
內容簡介,目錄,
內容簡介
主要內容包括空域和小波域圖像統計模型的建立、參數估計、期望最大值算法及其改進，以及多解析度分析技術、馬爾可夫隨機場與模糊聚類算法有機地結合在圖像降噪與分割中的套用。 本書可作為套用數學、電子科學、通信技術、計算機科學、圖像處理、機器視覺和自動控制等專業的高年級本科生、研究生的教材和參考書，也可作為相關領域的教師、科研人員、醫學工作者和工程技術人員等的參考書。
目錄
第1章 緒論1
1.1 圖像降噪技術的分類與發展 1
1.1.1 空域圖像降噪 1
1.1.2 頻域圖像降噪 2
1.1.3 小波域圖像降噪 2
1.2 圖像分割中的馬爾可夫隨機場方法綜述 11
1.2.1 圖像分割中的馬爾可夫隨機場方法研究歷程 11
1.2.2 用馬爾可夫隨機場描述圖像模型 11
1.2.3 馬爾可夫隨機場圖像模型參數的估計 16
1.2.4 圖像分割的實現 18
1.2.5 MRF在圖像分割中的發展方向 19
1.3 圖像分割中的模糊C均值聚類方法綜述 19
1.3.1 圖像分割中模糊聚類算法的發展 19
1.3.2 模糊C均值聚類算法的優點與缺點 20
1.3.3 基於標準FCM算法的改進 21
1.3.4 FCM聚類算法與其他算法結合 23
1.3.5 FCM圖像分割算法發展展望 25
本章小結 26
參考文獻 27
第2章 圖像處理中數學問題的物理意義 37
2.1 機率論在圖像處理中的物理意義 37
2.2 資訊理論在圖像處理中的物理意義 40
2.3 隨機過程在圖像處理中的物理意義 42
2.4 圖像處理中各種收斂模式之間的關係 43
2.5 各種收斂模式的物理意義在圖像處理中的綜合解釋 45
2.6 圖像處理中數學問題的套用舉例與仿真 46
2.6.1 期望最大值算法在圖像統計模型上擬合仿真 46
2.6.2 基於最佳化的期望最大值算法在圖像統計模型上擬合仿真 48
本章小結 52
參考文獻 52
第3章 圖像處理中統計模型的參數估計 53
3.1 引 言 53
3.2 期望最大值算法基本原理 54
3.2.1 期望最大值算法 55
3.2.2 期望最大值算法的收斂性 56
3.3 期望最大值算法研究歷程 57
3.3.1 期望最大值算法的優點與缺點 57
3.3.2 基於標準期望最大值算法的改進 58
3.3.3 EM算法在圖像恢復中的套用 60
3.3.4 EM算法在圖像分割中的套用 61
3.3.5 EM算法在目標跟蹤中的套用 64
3.3.6 期望最大值算法與其他算法結合 66
3.3.7 期望最大值算法的發展方向 68
3.4 期望最大值算法的套用 68
3.4.1 期望最大值算法估計有限混合模型中的參數仿真 69
3.4.2 利用EM算法估計自回歸模型的參數 71
3.5 期望最大值算法估計模型參數的有效性與精度 73
3.5.1 評價模型參數估計有效性的標準 73
3.5.2 用最大似然估計有限混合模型的參數 74
3.5.3 最大似然估計與期望最大值算法估計有限混合模型參數對比 75
3.5.4 用最大似然估計與EM算法估計得到模型參數的有效性 75
3.5.5 參數估計精度的Cramer-Rao下確界 76
3.5.6 期望最大值算法估計模型參數的精度 77
3.5.7 EM算法估計有限混合模型參數的精度 79
本章小結 81
參考文獻 81
第4章 圖像處理中的馬爾可夫隨機場模型 87
4.1 馬爾可夫隨機場的基本理論 87
4.2 小波域多解析度馬爾可夫隨機場模型 90
4.3 馬爾可夫隨機場模型的鄰域系統 92
4.3.1 單解析度尺度內馬爾可夫隨機場鄰域系統及先驗模型 93
4.3.2 多解析度尺度間馬爾可夫隨機場鄰域系統及先驗模型 96
4.4 EM算法在四叉樹馬爾可夫模型參數估計中的套用 98
4.4.1 隱馬爾可夫模型的定義 98
4.4.2 HMM模型解決的三個實際問題 99
4.4.3 EM算法估計四叉樹隱馬爾可夫模型的參數 100
本章小結 103
參考文獻 103
第5章 小波域馬爾可夫隨機場在圖像降噪中的套用 105
5.1 小波變換的特性 105
5.2 圖像的小波變換 106
5.2.1 二維小波變換 106
5.2.2 圖像的二維小波變換表示 108
5.2.3 圖像的二維小波分解原理及仿真 109
5.2.4 圖像的二維小波重構原理及仿真 111
5.3 圖像的小波係數統計分布 113
5.3.1 圖像分解後各子帶小波係數的統計分布仿真 113
5.3.2 圖像重構後各子帶小波係數的統計分布仿真 114
5.4 圖像的邊界延拓及仿真 116
5.5 圖像降噪性能評價指標 118
5.6 加性高斯噪聲的小波變換特性 118
5.6.1 一維加性高斯噪聲的小波變換特性 118
5.6.2 二維加性高斯噪聲的小波變換特性 119
5.7 基於小波係數維納濾波器降噪 121
5.7.1 噪聲閾值的確定 121
5.7.2 估計的小波係數的初步確定 122
5.7.3 小波係數幅值的漸近最優性 122
5.7.4 小波係數的確定 123
5.7.5 仿真實例與分析 123
5.8 小波域隱馬爾可夫模型在圖像降噪中的套用 126
5.8.1 問題的提出 127
5.8.2 小波域隱馬爾可夫統計模型 128
5.8.3 小波域有限高斯隱馬爾可夫模型在圖像降噪中的套用 130
5.9 小波域馬爾可夫收縮因子在圖像降噪中的套用 135
5.9.1 對小波係數進行分類 135
5.9.2 用貝葉斯準則確定小波係數的收縮因子 136
本章小結 141
參考文獻 142
第6章 空域馬爾可夫隨機場在圖像分割中的套用 147
6.1 問題的提出 147
6.2 圖像分割區域數確定準則及其仿真 149
6.3 實現圖像分割的最優準則 150
6.4 改進的期望最大值算法估計模型的參數 152
6.5 基於圖像層次模型的MAP準則分割 154
6.5.1 空域統計圖像層次模型的建立 154
6.5.2 層次模型MAP準則分割算法描述 157
6.6 基於圖像雙隨機場模型的MPM準則分割 161
6.6.1 雙隨機場模型的建立 161
6.6.2 隨機場模型的MPM準則分割算法描述 163
本章小結 165
參考文獻 166
第7章 小波域馬爾可夫隨機場在圖像分割中的套用 169
7.1 引 言 169
7.2 小波變換的塔式結構與小波係數的聚集特性 170
7.3 小波變換與馬爾可夫隨機場在圖像分割中的套用 170
7.3.1 小波域金字塔式馬爾可夫隨機場模型 172
7.3.2 用GMM模型描述小波係數的特徵場 173
7.3.3 標號場的先驗機率分布模型 174
7.3.4 小波域層次馬爾可夫模型的分割算法 174
7.3.5 小波域層次馬爾可夫模型的參數估計 176
7.3.6 仿真實例與分析 177
本章小結 180
參考文獻 180
第8章 小波域模糊馬爾可夫隨機場在圖像分割中的套用 183
8.1 模糊集合理論與圖像的關係 183
8.2 模糊C均值算法 184
8.3 FCM算法使用的測度方式 185
8.4 空域多解析度FCM圖像分割算法 187
8.5 小波變換與模糊聚類算法在圖像分割中的套用及仿真 188
8.5.1 小波變換與模糊聚類算法在圖像分割中的套用 188
8.5.2 仿真實例與分析 189
8.6 小波域多解析度FCM圖像分割算法 191
8.6.1 小波域尺度內FCM目標函式的建立 192
8.6.2 小波域尺度間FCM目標函式的建立 193
8.6.3 小波域尺度內、尺度間混合FCM目標函式的建立 194
8.6.4 仿真實例與分析 196
8.7 模糊Possibilistic-C均值算法 198
8.8 PCM算法利用核函式作為測度 199
8.9 小波域多解析度PCM圖像分割算法 201
8.9.1 小波域尺度內PCM目標函式的建立 201
8.9.2 小波域尺度間PCM目標函式的建立 201
8.9.3 小波域尺度內、尺度間混合PCM目標函式的建立 202
8.9.4 小波域具有局部約束PCM目標函式的建立 202
本章小結 208
參考文獻 208
