强噪声图像中一维结构估计的马尔可夫模型
计算机视觉与模式识别
2013-04-30 v1 应用统计
摘要
雷达（SAR）图像常因多种因素表现出显著的外观变化，包括由照明相干性产生的杂波噪声。超声图像和红外图像具有类似的杂乱外观，使得边缘和物体边界等一维结构难以定位。结构信息的提取通常分为两步：首先，构建边缘强度掩膜，通过假设检验将像素分类为边缘点；其次，从该掩膜中估计像素宽度的连通边缘。对于针对散斑杂波的恒虚警率（CFAR）边缘强度检测器，需要使用由多个不同方向分割子窗口组成的滑动窗口扫描图像。这些比率检测器的边缘定位精度强烈依赖于子窗口的方向。在本文中，我们提出将边缘强度检测问题转化为未抽取小波域中的二值分割问题，该问题可使用并行一维隐马尔可夫模型求解。对于一般的依赖模型，状态图的精确估计在计算上变得复杂，但在我们的模型中，精确的最大后验概率（MAP）估计是可行的。我们在具有可用真实值的模拟噪声真实自然图像上验证了该方法的有效性，并使用 Pratt、Baddeley 和 Kappa 熟练度指标测量了输出边缘图的强度。最后，对三种具有不同极化、分辨率和纹理的 SAR 图像进行的分析和实验表明，所提方法能有效检测 SAR 图像中的结构，为活动轮廓方法提供了非常好的起点。
引用
@article{arxiv.1304.7713,
title = {Markovian models for one dimensional structure estimation on heavily noisy imagery},
author = {Ana Georgina Flesia and Javier Gimenez and Elena Rufeil Fiori},
journal= {arXiv preprint arXiv:1304.7713},
year = {2013}
}