基于特征的紋理圖像分割技術(shù)研究.pdf

1、紋理圖像分割是數(shù)字圖像處理研究的一個(gè)重要分支，是眾多圖像分析和機(jī)器視覺應(yīng)用的基礎(chǔ)。但是，一方面由于自然紋理類型龐雜、形態(tài)各異且結(jié)構(gòu)繁復(fù)，另一方面也因?yàn)閷θ祟愐曈X系統(tǒng)感知紋理的機(jī)理認(rèn)識不足，紋理圖像分割一直是圖像處理領(lǐng)域的一大難題。在過去的四十多年中，廣大研究人員雖然提出了大量的紋理圖像分割算法，但是這些算法都存在著一定的不足。迄今為止，紋理圖像分割仍然是一個(gè)沒有得到很好解決的富有挑戰(zhàn)性的課題。 本文以灰度自然紋理圖像的自動(dòng)分割方

2、法為研究內(nèi)容，對目前廣泛采用的一些紋理描述方法和紋理圖像分割方法進(jìn)行了認(rèn)真的研究和總結(jié)，對各種方法的理論和實(shí)驗(yàn)結(jié)果進(jìn)行了深入的分析和對比，選擇了從基于特征的角度研究紋理圖像分割問題。基于特征的紋理圖像分割包括特征提取和圖像分割這兩個(gè)步驟。前者是描述圖像的過程，旨在將圖像中屬于同一種紋理的像素映射為相似的矢量；后者進(jìn)一步將矢量映射為類別標(biāo)號，實(shí)現(xiàn)從特征集合到分割結(jié)果的轉(zhuǎn)化。本文分別對這兩個(gè)步驟進(jìn)行了研究，完成了以下幾個(gè)方面的工作：

3、 1、對紋理圖像分割的研究意義、研究現(xiàn)狀，特別是各類紋理圖像分割方法的基本思想、算法的提出和各種改進(jìn)進(jìn)行了比較全面的總結(jié)，旨在通過這些總結(jié)來說明本文對紋理圖像分割研究的深刻認(rèn)識。 2、研究了基于分形模型的紋理特征。提出了一種使用可變結(jié)構(gòu)元的形態(tài)學(xué)分形維數(shù)估計(jì)算法。與四種傳統(tǒng)的分形維數(shù)估計(jì)算法的對比實(shí)驗(yàn)顯示，這種新算法不僅可以得到更加準(zhǔn)確的分形紋理特征，而且算法的時(shí)間復(fù)雜度也更小。 3、研究了基于多重分形模型的紋理特征。率

4、先提出了基于數(shù)學(xué)形態(tài)學(xué)的多重分形估計(jì)算法，得到了一種全新的紋理描述符——局部形態(tài)學(xué)多重分形指數(shù)譜。與兩種基于盒計(jì)數(shù)的多重分形維數(shù)相比，這種新特征在紋理圖像分割實(shí)驗(yàn)中得到的分割精度更高，時(shí)間復(fù)雜度更小。此外，還將形態(tài)學(xué)多重分形估計(jì)與分形簽名的概念相結(jié)合，提出了另一種紋理描述符——局部形態(tài)學(xué)多重分形簽名。紋理圖像分割實(shí)驗(yàn)表明，該特征的紋理區(qū)分能力不僅優(yōu)于分形簽名和局部形態(tài)學(xué)多重分形指數(shù)譜，也明顯優(yōu)于基于馬爾可夫隨機(jī)場模型的特征。 4

5、、研究了基于模糊聚類的圖像分割技術(shù)。指出了圖像的每一個(gè)紋理特征都可以被視為一個(gè)空間模式，提出了一種針對空間模式的模糊聚類算法實(shí)現(xiàn)了紋理圖像分割。與經(jīng)典的模糊聚類、空間模糊聚類和基于馬爾可夫隨機(jī)場模型的分割算法相比，新算法可以有效的提高紋理圖像分割的精度。此外，還以該算法為核心，提出了一種基于圖像四叉樹的多級圖像分割算法。對比實(shí)驗(yàn)顯示，多級分割算法以犧牲少許分割精度為代價(jià)，將時(shí)間復(fù)雜度降低了一個(gè)數(shù)量級，從而使該算法可以被應(yīng)用到數(shù)據(jù)量龐大且