紋理建模與圖切分優(yōu)化方法研究.pdf

1、交互式圖像分割，是指按照一定的先驗知識和相似性準(zhǔn)則將圖像劃分成具有特殊語義的不同區(qū)域，從而在復(fù)雜的背景環(huán)境中將感興趣的前景目標(biāo)分離出來。其應(yīng)用領(lǐng)域非常廣泛，是圖像分析、模式識別、計算機視覺、乃至圖像理解中的一個關(guān)鍵問題。分割質(zhì)量的好壞和分割效率的高低將直接影響其它相關(guān)應(yīng)用的可用性和實用性。
　　 由于圖像分割問題的重要性和復(fù)雜性，近年來關(guān)于圖切分優(yōu)化方法的研究受到了國內(nèi)外學(xué)者的廣泛關(guān)注，并成為了交互式圖像分割應(yīng)用的主流方法之一。

2、它具有很多優(yōu)良特性，比如多特征/約束融合能力、全局最優(yōu)、數(shù)值魯棒性強、執(zhí)行效率高、分割加權(quán)圖的拓?fù)浣Y(jié)構(gòu)自由和N-D圖像分割能力等。傳統(tǒng)圖切分優(yōu)化方法在分割低分辨率簡單彩色圖像時具有很好的分割效果和實時交互性。然而，當(dāng)使用該方法進行復(fù)雜紋理圖像分割、多先驗?zāi)Ｊ教卣骰旌现悄芊指罨蛘吒叻直媛蕡D像快速分割時，無論是方法本身的適用性、準(zhǔn)確性、魯棒性、還是實時性，都嚴(yán)重限制了其可用性。針對上述問題，本文通過對傳統(tǒng)圖像分割方法，特別是基于圖切分優(yōu)化的

3、交互式圖像分割方法，以及紋理特征建模的主要方法進行了較為深入的總結(jié)、分析和研究，提出了一種用于提取場景結(jié)構(gòu)特征的新型紋理建模方法，并結(jié)合信息論、黎曼空間幾何學(xué)、模式分類、數(shù)值解析方法等，利用統(tǒng)計學(xué)習(xí)方法和先驗啟發(fā)式信息，研究如何高質(zhì)、高量、高效的對彩色及紋理圖像進行解析和交互式分割。具體地，本文的創(chuàng)新性研究成果主要包括以下幾個部分。
　　 首先，通過對傳統(tǒng)結(jié)構(gòu)張量的多尺度非線性建模，提出了一種有效的紋理特征建模方法─多尺度非線性

4、結(jié)構(gòu)張量（MSNST）模型。它同時兼顧了結(jié)構(gòu)張量的全方向性壓縮描述能力和Gabor小波變換的尺度空間描述能力，并具備不連續(xù)保持性濾波特性，為紋理分析的研究提供了一種新的思路。為了保證紋理提取的高效和實用，本文使用了多孔算法和加性算子分裂技術(shù)來對模型進行數(shù)值實現(xiàn)。另外，本文通過數(shù)學(xué)分析和實驗比較，研究和探討了關(guān)于MSNST特征的距離度量、尺度空間的概率相關(guān)性、概率分布模型的空間結(jié)構(gòu)、相似性聚類等概念和方法。
　　 然后，針對圖切分

5、模型框架的諸多環(huán)節(jié)，給出了一些優(yōu)化設(shè)計。具體包括優(yōu)化過程加速（基于多種子圖切分的快速模型優(yōu)化求解、基于多層窄帶閉合解的快速圖切分算法、基于均值漂移預(yù)分割及高斯超像素的快速圖切分算法）；基于高分辨距離度量的n-link設(shè)計（L*a*b*彩色空間中的共軛測度、MSNST紋理空間中的信息論測度和
　　 黎曼測度）；基于高準(zhǔn)確性聚類的t-link設(shè)計（改進的K-means聚類、譜分解遞歸聚類、基于分量形式期望最大化的高斯混合聚類）；統(tǒng)計

6、前景和背景在各特征空間的高斯混合模型（GMM），并使用GMM間的信息論距離來設(shè)計多特征的能量函數(shù)自適應(yīng)融合策略；計算迭代過程中前景和背景在各特征空間的綜合GMM信息論差異度，并通過判斷其是否趨于穩(wěn)定來改進迭代收斂準(zhǔn)則；增強分割結(jié)果的區(qū)域一致性（在平滑能量項中引入濾噪常數(shù)、形態(tài)學(xué)后處理濾噪）等。這些優(yōu)化設(shè)計為其他使用圖切分框架的方法和應(yīng)用提供了改進的思路，以提高它們的性能和適用范圍。
　　 最后，基于以上的MSNST紋理建模方法和

7、針對圖切分模型的各類優(yōu)化設(shè)計，提出了五種實用的交互式彩色及紋理圖像分割方法。解決了傳統(tǒng)分割方法中存在的諸多不足，比如模式特征信息單一、空間度量過于簡化、統(tǒng)計模型的學(xué)習(xí)和更新準(zhǔn)確性不夠、計算復(fù)雜度和內(nèi)存消耗偏高、人機交互量和參數(shù)設(shè)置過多等，對復(fù)雜自然圖像的分割提供了更好的支持，具有適用范圍廣、分辨能力強、統(tǒng)計描述準(zhǔn)、計算負(fù)擔(dān)低、用戶依賴少等優(yōu)勢特性。
　　 本文通過大量的仿真實驗驗證了多尺度非線性結(jié)構(gòu)張量模型、圖切分框架的優(yōu)化和改