导读:本文包含了小波域隐马尔可夫树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:隐马尔可夫模型,嵌入率,定量隐写分析
小波域隐马尔可夫树模型论文文献综述
李慧[1]（2015）在《基于小波域隐马尔可夫树模型和SVR的定量隐写分析》一文中研究指出本文结合小波域隐马尔可夫树模型(Hidden Markov Tree,HMT)和支持向量回归(Support Vector Regression,SVR)分析法提出了估计信息嵌入率的定量隐写分析。本文分别将垂直、水平和对角的小波系数建模为两状态的HMT模型,用EM算法(Estimation and Maximization Algorithm)对HMT模型进行训练得出包括状态初始概率、小波子带的转移概率和方差在内的模型参数,由这些参数构成图像的特征。然后结合SVR建立定量隐写分析器,并估计F5,outguess和MB叁种隐写图的信息嵌入率。(本文来源于《电子制作》期刊2015年22期）
李霞,罗欣,薛辉,杨婷[2]（2014）在《小波域隐马尔可夫树模型对多光谱影像的去噪研究》一文中研究指出传统小波去噪方法认为尺度间小波系数是无关的,但实际小波系数具有明显的相关性,基于此,提出了一种基于小波域隐马尔可夫树模型的多光谱影像去噪方法。首先对影像各波段的小波系数进行建模;然后通过最大期望算法对小波域隐马尔可夫树模型参数进行估计,得到小波系数后再进行小波逆变换;最后通过波段合成得到去噪后影像。实验结果表明,该方法 MSE和NMSE值最小,是其他方法的1/2~1/32;SNR和PSNR值最大,是其他方法的1~2倍,说明影像的降噪效果较好,且较好地保留了影像边缘和细节信息,为影像后续处理奠定了基础。(本文来源于《测绘科学技术学报》期刊2014年03期）
杨燕,黄彦丽,曹金莲[3]（2014）在《基于小波域隐马尔可夫树模型的SAR图像去噪》一文中研究指出从小波变换和隐马尔可夫模型的理论出发,实现基于小波域隐马尔可夫树模型的图像去噪算法设计,并对具有乘性噪声的SAR图像进行去噪处理。结果表明,与传统的各种去噪方法相比,该算法对SAR图像的去噪效果非常显着,在去噪的同时能够很好地保持原图像的纹理细节特征,具有一定的应用价值。(本文来源于《测绘与空间地理信息》期刊2014年05期）
杨成,杨涛,冯巍,胡波[4]（2013）在《结合小波域马尔可夫树模型的压缩采样图像重建》一文中研究指出已有的研究表明基于模型的压缩采样信号重建可以取得更好的重建效果。本文提出一种结合小波域马尔可夫树模型的压缩采样图像重建方法。马尔可夫树模型很好的匹配了图像小波变换后的系数在尺度间的持续性。这种统计特性可以在正交匹配追踪算法中协助原子的选取,从而更准确的选取具有大幅值系数的原子。在本文提出的新算法中,每次迭代新增的原子是从与残差信号较匹配的候选原子中选取。候选原子中使模型的状态似然函数最大的原子被选出。实验结果表明,新算法可以更准确选出具有大系数原子,重建的图像质量好于其它传统方法。(本文来源于《电路与系统学报》期刊2013年02期）
吴石虎,余旭初,许敏,石磊[5]（2010）在《小波域隐马尔可夫树模型在图像去噪中的应用》一文中研究指出小波域隐马尔可夫树(HMT)模型被广泛应用于统计信号和图像处理中,它成功描述了真实图像小波系数在尺度之间的相关性和依赖性,很好地体现了小波变换的延续性和非高斯性。这里通过构建图像小波域HMT模型,在应用期望最大(EM)算法估计HMT模型的参数之后,对小波系数进行贝叶斯估计达到去除噪声的目的。实验结果表明,去噪效果好于其他小波去噪算法。(本文来源于《测绘科学技术学报》期刊2010年02期）
傅伟,万洪晓,涂刚[6]（2010）在《基于小波域隐马尔可夫树模型的医学图像去噪》一文中研究指出目的:为了更好地去除DR医学图像噪声。方法:通过分析其噪声来源,在小波去噪和小波域隐马尔可夫模型的基础上,进行改进,即引入了方差不变性变换来调整原始图像的噪声模型为高斯噪声模型;图像分解为不同频率的不同子带,而隐马尔可夫树模型则用来规划小波系数的边缘分布。结果:自然图像处理实验结果表明,与普通的小波去噪方法相比,该方法不但可以保留图像的边缘信息,而且能提高去噪后图像的峰值信噪比。结论:同时用该方法处理DR图像,处理结果表明此方法在噪声去除、细节质量及骨骼锐化等方面比传统的高斯滤波及小波阈值滤波等方法效果要好。(本文来源于《医疗卫生装备》期刊2010年01期）
范永辉,王刚,曲文娟[7]（2009）在《基于小波域分类隐马尔可夫树模型的图像融合算法研究》一文中研究指出本文介绍了一种基于小波域分类隐马尔可夫树(Classified Hidden Markov Tree Model,CHMT)模型的图像融合方法。这种方法利用了小波域的一种树形结构Markov链提取小波系数尺度之间的相关性,因而更好的反映了图像空域非平稳变化的特性,在图像融合的预处理阶段最大限度的滤除噪声。同时为配合预处理算法采用了梯度选取规则的融合算法,更好的提高融合后图像的质量。实验结果表明将隐马尔可夫树模型引入图像融合算法后,融合图像的峰值信噪比、信息熵、等效视数等性能指标明显改善。(本文来源于《激光杂志》期刊2009年05期）
杨威[8]（2009）在《基于小波域隐马尔可夫树模型的乳腺微钙化辅助诊断研究》一文中研究指出乳腺癌是女性最常见的癌症之一。早期发现、早期诊断、早期治疗对医治乳腺癌、降低死亡率至关重要。开展基于乳腺X影像的适龄妇女的乳腺普查工作是早期检测乳腺癌的重要手段。乳腺癌早期最重要的表现是微钙化,微钙化的检测与诊断直接影响乳腺癌的诊断率和治愈率。由于普查的数据量大、阅片难度高,且微钙化非常细小,常常混入乳腺组织不易被发现,医生仅靠肉眼通常难以完成任务,因此,基于乳腺X影像的计算机辅助诊断微钙化已经发展起来,作为“第二读者”帮助医生和放射学家更好地作出判断,成为乳腺癌早期诊断的研究热点和难点。它主要包括微钙化的检测和良恶性分类两个方面。现有微钙化的检测算法已经比较成熟,并已开发成商业系统应用于实际医疗系统,而微钙化的良恶性分类算法取得的效果却并不理想。小波分析作为近年来出现的有力分析工具,已广泛应用于微钙化良恶性分类。因为基于小波的方法能既在时域又在空域对图片进行分析,提供不同频段、不同尺度下的特征。但是,大多数基于小波的方法都是用正交小波变换去除特征间的相关性,却不具备平移不变性,对小波基的选取没有形成统一的标准。而且一般基于小波的方法对小波系数尺度间相关性的考虑不是很周到,在建立模型的时候没有加入不同尺度间的关联信息。此外,对分类器的选取也比较盲目和单一。本文主要对微钙化良恶性分类技术进行了系统深入的研究,提出了一种新的有效的微钙化良恶性分类算法,并通过实验进行验证。本文首先研究了不同小波基的特性及其对分类算法的影响,提取了基于不同小波的纹理特征进行分类;然后将小波域隐马尔可夫树(HMT)模型应用到微钙化良恶性分类,提取基于不同小波域HMT模型参数的特征;最后提出了一种新的分类算法,将基于小波域HMT模型的参数特征和基于双树复数小波的特征结合起来,利用遗传算法进行特征优化,采用了KNN分类器、支持向量机和神经网络叁种分类器进行分类,并比较了各种分类器对分类精度的影响。本实验是基于两个国际公用乳腺X影像数据库(Nijmegen和Mias)进行的,结合leave-one-out和n-fold cross validation两种误差估计方法及ROC曲线对实验结果进行评估。实验结果表明,对于相同的数据库,本文的方法远远优于前人提出的微钙化良恶性分类方法。(本文来源于《湘潭大学》期刊2009-06-05）
景明利,周雪芹[9]（2008）在《基于小波域的隐马尔可夫树模型的图像去噪》一文中研究指出小波去噪已经成为图像去噪的主要方法之一.首先介绍了隐马尔可夫树模型,进而给出了隐马尔可夫树算法,最后基于隐马尔可夫树模型,分别用3种相似的方法对Lena图像的不同加噪图像进行了去噪实验.实验表明,本文所用去噪方法,无论对于峰值信噪比还是对于视觉上的效果,都取得了令人满意的效果.(本文来源于《昆明理工大学学报(理工版)》期刊2008年05期）
彭玲,赵忠明,杨健,马江林[10]（2006）在《基于小波域隐马尔可夫树模型的多光谱遥感影像纹理分割技术研究》一文中研究指出遥感图像纹理信息丰富,需要进行有效的纹理特征描述.小波域隐马尔可夫树(HM T)模型提供了一种有效的纹理特征提取方法.简述了HM T模型及分割思想,并在此基础上针对多光谱遥感图像,探索更好的纹理描述方法.通过适当的数学变换,得到多光谱遥感影像在不同角度下的描述:H—S—I分量和最大主成分分量.研究比较各分量特性并应用HM T模型,得到不同分量下纹理分割结果.实验表明,利用多光谱信息可有效地提高分割质量.(本文来源于《武汉理工大学学报(交通科学与工程版)》期刊2006年04期）
小波域隐马尔可夫树模型论文开题报告
（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：
传统小波去噪方法认为尺度间小波系数是无关的,但实际小波系数具有明显的相关性,基于此,提出了一种基于小波域隐马尔可夫树模型的多光谱影像去噪方法。首先对影像各波段的小波系数进行建模;然后通过最大期望算法对小波域隐马尔可夫树模型参数进行估计,得到小波系数后再进行小波逆变换;最后通过波段合成得到去噪后影像。实验结果表明,该方法 MSE和NMSE值最小,是其他方法的1/2~1/32;SNR和PSNR值最大,是其他方法的1~2倍,说明影像的降噪效果较好,且较好地保留了影像边缘和细节信息,为影像后续处理奠定了基础。
（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。
小波域隐马尔可夫树模型论文参考文献
[1].李慧.基于小波域隐马尔可夫树模型和SVR的定量隐写分析[J].电子制作.2015
[2].李霞,罗欣,薛辉,杨婷.小波域隐马尔可夫树模型对多光谱影像的去噪研究[J].测绘科学技术学报.2014
[3].杨燕,黄彦丽,曹金莲.基于小波域隐马尔可夫树模型的SAR图像去噪[J].测绘与空间地理信息.2014
[4].杨成,杨涛,冯巍,胡波.结合小波域马尔可夫树模型的压缩采样图像重建[J].电路与系统学报.2013
[5].吴石虎,余旭初,许敏,石磊.小波域隐马尔可夫树模型在图像去噪中的应用[J].测绘科学技术学报.2010
[6].傅伟,万洪晓,涂刚.基于小波域隐马尔可夫树模型的医学图像去噪[J].医疗卫生装备.2010
[7].范永辉,王刚,曲文娟.基于小波域分类隐马尔可夫树模型的图像融合算法研究[J].激光杂志.2009
[8].杨威.基于小波域隐马尔可夫树模型的乳腺微钙化辅助诊断研究[D].湘潭大学.2009
[9].景明利,周雪芹.基于小波域的隐马尔可夫树模型的图像去噪[J].昆明理工大学学报(理工版).2008
[10].彭玲,赵忠明,杨健,马江林.基于小波域隐马尔可夫树模型的多光谱遥感影像纹理分割技术研究[J].武汉理工大学学报(交通科学与工程版).2006