基于圖像結(jié)構(gòu)-紋理分解算法的研究及其在圖像分割中的應用.pdf

1、隨著計算機科學技術(shù)的發(fā)展，圖像分割技術(shù)在近年來也得到了快速的發(fā)展。圖像分割就是把圖像分成若干個特定的、具有獨特性質(zhì)的區(qū)域，進而提取出感興趣目標的技術(shù)和過程。它是從圖像處理到圖像分析的關(guān)鍵步驟，因此被廣泛應用于遙感、氣象、軍事等領(lǐng)域。目前已成為計算機科學、信息科學、生物學和醫(yī)學等學科的研究對象。被廣泛使用的圖像分割方法有很多，如基于邊緣檢測的圖像分割、基于生長區(qū)域的圖像分割以及基于閥值的圖像分割等。然而由于圖像的復雜性以及多樣性，研究人員

2、開始結(jié)合其他領(lǐng)域的方法進行圖像分割，如基于水平集的分割、基于小波的分割以及基于神經(jīng)網(wǎng)絡的分割等。
　　 分解幾何學為描述圖像的幾何特性提供了一種新的方法，其中將圖像分解成結(jié)構(gòu)圖像和紋理圖像是目前應用最多的一個領(lǐng)域。具有分解特性的圖像，往往表現(xiàn)出邊界很不規(guī)則、很復雜的特點，而其紋理圖像也具有復雜性、自相似性等特點，尤其是自然紋理很適用于用分解模型來描述。鑒于圖像分解技術(shù)可以去除紋理的干擾，對于圖像分割具有很大的意義。因此結(jié)合圖像分

3、解方法使之成為一種有效的圖像分割方法具有很高的理論意義與應用價值。
　　 Meyer模型是圖像分解的基本模型，該模型通過兩個功能函數(shù)F1、F2來區(qū)分圖像的紋理部分與結(jié)構(gòu)部分。其中F1用于排除圖像中的細小紋理而保留平滑區(qū)域以及強邊緣（結(jié)構(gòu)部分），F(xiàn)2用于保留圖像的紋理部分?；谠撃Ｐ偷闹饕纸馑惴ㄓ蠱umford-Shah模型以及ROF模型，由于此類模型均為非線性模型，因此求解復雜。目前開始逐步考慮通過采用線性模型來解決圖像分解的

4、問題，局部總變分濾波算法就是目前效果最好的一種線性圖像分解方法。然而，不管是線性模型還是非線性模型，都涉及到一個分解參數(shù)的問題，分解參數(shù)的選取給圖像分解的過程帶來了很大不便。此外，目前算法在處理過程中，對于一副圖像只采用一個分解參數(shù)，由于圖像的不同區(qū)域具有不同的特點，因此造成了一些區(qū)域的分解效果很好，而另一些區(qū)域的分解效果則不如人意的情況。
　　 本文在局部總變分濾波算法的基礎(chǔ)上，針對以上不足，提出了一種新的基于可信數(shù)據(jù)集的局部

5、總變分自適應圖像分解方法。由于圖像不同區(qū)域的紋理復雜程度不同，在含有少量紋理但包含強邊緣的區(qū)域，為保持邊緣的完整性，需采用較小的分解參數(shù)，而對于紋理較復雜的區(qū)域，為了使紋理分離的更全面，需采用較大的分解參數(shù)。因此，本文采用分塊處理的思想，對不同的小塊圖像采用不同的分解參數(shù)進行處理，從而取得整體上的最佳效果。為更好的描述圖像的紋理復雜程度，本文根據(jù)局部總變分定義了一種新的函數(shù)稱為振蕩率，振蕩率越大則紋理越復雜，并采用計算機模擬的方法，構(gòu)造