题目：小波域隐马尔可夫树模型在图像处理中的应用

小波变换在图像处理中具有良好的空频局部化特性、多分辨率性、压缩性和去相关性，这导致了在很多情况下，小波域的统计模型和处理方法要比传统的时间域或频率域的方法更有效。小波域隐马尔可夫树（HMT）模型可以很好地刻画单个小波系数分布的非高斯性以及小波系数间的相关性，更加贴近实际信号，可应用于图像估计、检测、分类、预测以及合成等诸多领域。因此，本文将这种模型应用到图像处理中，包括图像去噪和图像融合，论文主要研究工作如下：1. 研究了小波域HMT模型在图像去噪中的应用。根据观测到的含噪图像的小波系数和降噪模型，得出真实数据小波系数的HMT模型，然后运用经验Bayesian估计方法估计出真实数据的小波系数，从而达到降噪的目的。仿真实验证明这种去噪方法可以有效地去除噪声，保持了图像的高频信息，去噪性能优于小波变换阈值去噪法。2. 研究了运用小波域HMT模型进行图像融合的统计信号处理方法。从图像融合模型出发，建立各传感器图像小波系数的HMT框架，运用最大期望（EM）迭代算法对模型参数进行估计从而得到融合图像。目视观察和客观评价指标表明：与基于小波域的EM融合算法相比，这种算法得到的融合图像对比度更高，图像细节更为清晰。3. 提出了一种基于小波域HMT模型的图像融合新算法。以往的融合算法认为各传感器图像要么全部反映，要么不反映真实场景。作者认为传感器图像还可以部分的反映真实场景，基于这种思想，本文将图像融合模型进行改进。仿真试验结果表明，这种算法保留了传感器图像大部分的有用信息，获得了比基于小波域HMT的图像融合方法更清晰的融合图像。