小波在紋理圖像處理中的應用研究.pdf

1、紋理是圖像中非常重要的特征，它為圖像識別和理解提供了大量的信息。與圖像紋理相關(guān)的基本研究問題包括：紋理感知、紋理分析、紋理合成、基于紋理的形狀恢復和紋理的應用。圖像紋理分析為紋理圖像分類、紋理圖像分割和基于紋理的圖像檢索提供了堅實的基礎(chǔ)，它們是圖像處理和計算機視覺中非常重要的研究內(nèi)容，已被廣泛應用于缺陷檢測、醫(yī)學圖像和遙感圖像分析、文檔圖像分割、基于生物特征的身份識別和基于內(nèi)容的圖像檢索等場合。
　　早期的紋理分析方法都建立在單一

2、尺度上，而大量的生物試驗以及近期的研究結(jié)果都表明，對紋理的多通道分析不但符合人眼分析圖像的方式，而且表現(xiàn)出良好的性能。小波是一種新興的多分辨率分析方法，它所具有的時頻局部化能力以及種類的多樣性，使得它特別適合對圖像紋理進行處理。本文旨在研究小波在紋理圖像處理中的應用。論文的主要創(chuàng)造性研究成果如下：
　　1．提出三個基于離散小波框架模極值的紋理圖像分類算法。第一個是基于小波框架模極值密度的分類算法。由于此算法只考慮小波框架模極值的一

3、階統(tǒng)計特性，并沒有考慮模極值的位置關(guān)系，所以又提出基于離散小波框架模極值共生距陣的分類算法，新算法中增加了通過共生距陣提取的小波框架模極值的部分位置信息，從而提高了分類算法的性能。前兩種分類算法將小波框架模極大值和極小值當作一個特征分量，這就難免會降低紋理特征的多樣性，進而降低特征的區(qū)分能力，第三個算法分別將小波框架模極大值和極小值作為兩個獨立的特征分量，并結(jié)合特征選擇進一步提高分類算法的性能。最后，通過仿真實驗比較驗證了這些分類算法的

4、有效性。
　　2．提出基于 Gabor小波和核方法——譜聚類法和支持向量機的紋理圖像分割算法。首先，在Gabor小波域提取紋理特征，接下來，考慮到核方法的計算復雜性，提出先用譜聚類算法對采樣的特征圖像進行聚類，再使用支持向量機分類的分割方案，仿真實驗表明該分割算法的優(yōu)良性能。由于文檔圖像中的文字表現(xiàn)出一種與非文字區(qū)域不同的紋理，所以我們對紋理圖像分割算法作適當改進，將其應用到數(shù)字文檔圖像分割，良好的分割結(jié)果為新算法的實際應用提供了

5、有力的證據(jù)。
　　3．提出基于離散小波框架系數(shù)模極大值密度和能量的結(jié)合紋理特征，以及基于此紋理特征的圖像檢索算法。由于密度和能量屬于兩種不同類別的特征，為了有效的結(jié)合這兩種特征，提出新的非相似性測距來度量兩幅圖像間的相似程度。仿真實驗驗證了新方法的有效性。
　　4．針對利用k近鄰分類法進行紋理圖像分類以及檢索中查找相似圖像的效率問題，提出基于 Haar小波變換的k近鄰快速搜索算法。首先證明Haar小波變換引出兩個重要的金字塔