基于紋理基元的多層馬氏鏈圖像分割.pdf

1、基于紋理的彩色圖像分割技術一直都是學術界研究的重點，眾多學者提出了一系列的相關算法，分為基于統(tǒng)計的紋理分割算法，基于模型的紋理分割算法與基于信號處理的方法。其中基于統(tǒng)計的紋理分割算法是最為重要的方法之一，在基于統(tǒng)計的紋理分割算法中，引入馬氏隨機鏈理論的圖像分割算法是分割效率相對較高，分割精度相對較大的算法。相對于經典的馬氏鏈圖像分割算法，多尺度馬氏鏈圖像分割算法將多尺度理論引入到算法之中，解決了傳統(tǒng)馬氏鏈方法只能在單一尺度上顯示分割結果

2、的問題，而且在多尺度所分割完成的各級分割結果上分別采用基于像素點，紋理區(qū)域之間的關系優(yōu)化了各級分割結果，使得分割精度有了很大的提高。
　　多尺度馬氏鏈圖像分割算法采用基于單像素點之間的顏色信息之間的關系形成馬氏鏈完成最為重要的初步分割，由于多尺度馬氏鏈圖像分割算法在紋理碎片化處理中只用像素顏色信息完成聚類處理，使得聚類所使用的特征缺少灰度的空間分布關系。相對于灰度空間分布信息，顏色空間分布信息用于刻畫紋理是不穩(wěn)定的，圖像中同一紋理

3、的不同區(qū)域容易受到光照角度和拍攝角度等因素影響導致顏色變化。所以，算法最終的紋理分割結果就表現(xiàn)出對顏色過度敏感，容易出現(xiàn)誤分割情況。
　　紋理是圖像中物體相互區(qū)別的本質特性，紋理可以看做是復雜的視覺實體或者子模式的組合，即是相似子影像的組合。根據這一描述，本文針對TFR算法碎片化階段聚類特征缺少灰度之間的空間關系問題，提出基于紋理基元(Texture-Primitive)的多層馬氏鏈紋理分割方法。將顏色與灰度分布相結合構造紋理基元

4、的特征空間，作為紋理碎片化聚類的對象。紋理基元的灰度分布特征由局部二值模式與反差LBP/C(Local Binary Pattern and Contrast)表達。面向紋理基元的聚類分割使碎片化結果穩(wěn)定，給后繼的面向區(qū)域的8方向馬氏鏈構建和進一步的碎片化處理提供了正確的基礎。實驗證明，本文提出的算法分割精度有明顯提高。由于在算法的基礎處理階段使用了基礎紋理的灰度分布信息，克服了因光照等因素導致紋理的誤分割，對于遙感圖像紋理分割來說，算