基于第二代bandelet變換的紋理圖像分割.pdf

1、目前，基于小波多尺度分析的方法在圖像分割中比較流行。小波的多分辨率分析思想是將圖像分解為不同層上的低頻和高頻信息，再采用提取特征的方法進行分割。但是由于小波變換存在方向性差且只能處理點奇異等缺陷，妨礙了小波對圖像特征更好的表示，對于高維信號，小波分析并不能充分利用數(shù)據本身所具有的幾何特征，因而很多更優(yōu)秀的多尺度分析方法應運而生。 bandelet是新近發(fā)展起來的一種圖像多尺度幾何分析方法，本文在第一代bandelet理論的基礎之

2、上研究了第二代bandelet的基本理論。離散小波變換在每一個尺度上提供了三個方向的高頻子帶信息，而圖像中幾何結構(邊緣)的走向并不只是這幾種，這樣差的方向性使得小波無法對圖像特征進行更好的表示。針對小波的局限性，bandelet考慮了圖像結構中的幾何方向信息，是一種基于邊緣的圖像表示方法，其主要特點是能充分利用圖像自身的幾何正則方向，并自適應的根據所要表示的函數(shù)構造最合適的bandelet基函數(shù)。在圖像處理任務中，若能夠預先知道圖像的

3、幾何正則方向，并充分予以利用，無疑會有助于圖像的處理。本文通過分析先后兩代bandelet變換的異同，證明第二代bandelet是一種既能充分利用圖像的幾何正則方向，又能相對第一代bandelet降低計算幾何流、彎曲作用等運算的復雜度，并達到最優(yōu)表示的多尺度幾何工具。并借鑒第二代bandelet變換過程中用四叉樹分解來獲得最優(yōu)方向信息的思想，提出了一種基于第二代bandelet變換的紋理圖像分割方法，并結合模式識別分類中的k均值和FCM