基于小波域隱馬模型的樹木類圖像分割算法

摘要：為了克服自然狀態植物圖像提取困難，尤其是樹圖像在自然生長狀態下背景非常復雜（天空、建筑物、植物等）的問題。提出一種基于小波域隱馬模型的樹木類圖像分割算法。該算法利用形態小波的優良特性，結合隱藏馬爾可夫樹模型，實現了基于圖像紋理的樹木類圖像分割，并得到了較為理想的實驗效果。

關鍵詞：圖像分割； 小波； 隱馬模型； 樹木圖像

中圖分類號：TP391文獻標志碼：A

文章編號：1001－3695(2007)08－0233－03

虛擬植物可視化重建系統的一個主要數據來源是利用模式識別技術從植物圖像資料獲取所需的圖像和圖形信息，以實現植物器官形態的數字化采集。圖像分割是圖像數據采集的基礎，基于分割從而有效提取圖像的關鍵特征。植物的輪廓信息是植物拓撲結構的外在表現，包含了植物重要的“視覺信息”；在基于圖像的植物可視重建、生長狀態評估等領域有其重要的實用價值[1]。

本文提出了一種新的植物輪廓提取算法，可應用于諸如基于植物圖像的虛擬植物三維近似重建，虛擬植物生長的圖像合成等。

1多分辨率圖像分割

圖像分割算法依據像素屬性以及相鄰像素的關系對圖像中的每一個像素進行分類標記，分割后的每一個區域具有相同的屬性（也稱為紋理）。近年來一些文獻采用貝葉斯統計判決估算區域的形狀和類別。基于統計的圖像分割技術的困難在于圖像區域形狀類別太多，無法對每一類區域定義相應的聯合概率密度函數（pdf）。一些分割方案采用一個指定大小的分類窗口，該窗口中的所有像素判定屬于某一類。分類窗口大小的選則非常關鍵，大窗口可以提高分類的可靠度，但同時窗口內的像素可能屬于不同類別。一般來說大窗口在處理區域邊界時效果較差；較小的分類窗口更適于區域邊界分割。為了更好地表示圖像區域特征，在總體上同構區域和細節邊界區域應分別采用不同尺度的分類窗口（也稱為多尺度/多分辨率分割）。多尺度分割算法采用某種策略考慮不同尺度窗口的分類結果，最終得到一個精確的分割[3]。在本文中采用四方塊來實現不同大小的分類窗口。給定大小為2J×2J的圖像x，x有22J個像素；遞歸分割圖像為大小相等的四方塊，圖像在尺度J時的四方塊數目（分類窗口數）為22J個。圖1、2給出了圖像分塊過程以及塊和小波因子的對應關系。

Crouse等人[4]首次提出了一種小波域的參數統計模型，隱藏馬爾可夫樹模型（HMT model，隱馬模型）。隱馬模型的靈活性主要體現在兩個方面：a）隱藏馬爾可夫樹給每一個小波因子隱含關聯一個二值狀態變量以控制其大和小，假定每一個因子服從高斯分布。b）為了獲取不同尺度間大或小的小波因子級聯關系，不同尺度小波變換的狀態連接采用馬爾可夫概率樹；每一對狀態間的連接關系用一個隱含的狀態轉換矩陣控制大或小的狀態沿概率樹傳遞。

模型參數集合用向量M表示，運算結果是一個高維、高結構的高斯混合模型（Gaussian mixture model）f(ω|M)，近似表示小波因子W 的概率密度函數。

2基于形態小波的植物圖像提取

2．1小波域隱馬樹模型

小波域隱藏馬爾可夫樹通過獲取非高斯邊緣密度函數和小波因子間的主要依賴關系對小波因子進行統計建模。

1）非高斯邊緣密度分布表示

3結束語

本文提出的樹木圖像提取算法利用形態小波更好地保留了圖像邊緣信息的優良特性；基于提升方案構造了一種多維多通道形態小波；而隱藏馬爾可夫樹模型又提供了一個很好的判決分類工具。該算法可應用于植物輪廓提取、二維分枝結構獲取、虛擬植物圖像合成以及植物生長狀況評估所需的樹冠透明度估計等領域。

參考文獻：

［1］CLARK N A. Finding a good segmentation strategy for tree crown transparency estimation[C]//Proc of the 19th Biennial Workshop on Color Photography， Videography， and Airborne Imaging for Resource Assessment.Logan， UT: American Society for Photogrammetry and Remote Sen￣sing，2003.

[2］ROMBERG J K， CHOI H， BARANIUK R G. Bayesian treestructured image modeling using waveletdomain hidden Markov models[C]//Proc of SPIE Technical Conference on Mathematical Modeling， Bayesian Estimation， and Inverse Problems.1999:31－44.

[3］CINQUE L， LOMBARDI L， MANZINI G. A multiresolution approach for page segmentation[J]. Pattern Recognition Letters，1998，19(2):217－225.

[4］CROUSE M S， NOWAK R D， BARANIUK R G. Waveletbased statistical signal processing using hidden Markov models[J]. IEEE Trans Signal Proc，1998，46(4):886－902.

[5］STEWARD B L， TIAN L F.Machinevision weed density estimation for real time，outdoor lighting conditions[J].Transaction of ASAE，1999，42(6):18971909.

[6］鄭加強. 基于計算機視覺的霧滴尺寸測量技術[J]. 南京林業大學學報:自然科學版， 2002，24(6):47－50.

[7］葛玉峰. 基于相對色彩因子的樹木圖像分割算法[J]. 南京林業大學學報:自然科學版， 2004，28(4):19－22.

注：“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”