小波在紋理圖像處理中的應(yīng)用研究.pdf

1、紋理是圖像中非常重要的特征，它為圖像識(shí)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(wèn)題包括：紋理感知、紋理分析、紋理合成、基于紋理的形狀恢復(fù)和紋理的應(yīng)用。圖像紋理分析為紋理圖像分類(lèi)、紋理圖像分割和基于紋理的圖像檢索提供了堅(jiān)實(shí)的基礎(chǔ)，它們是圖像處理和計(jì)算機(jī)視覺(jué)中非常重要的研究?jī)?nèi)容，已被廣泛應(yīng)用于缺陷檢測(cè)、醫(yī)學(xué)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(shí)別和基于內(nèi)容的圖像檢索等場(chǎng)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(yàn)以及近期的研究結(jié)果都表明，對(duì)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(shí)頻局部化能力以及種類(lèi)的多樣性，使得它特別適合對(duì)圖像紋理進(jìn)行處理。本文旨在研究小波在紋理圖像處理中的應(yīng)用。論文的主要?jiǎng)?chuàng)造性研究成果如下：
　　1．提出三個(gè)基于離散小波框架模極值的紋理圖像分類(lèi)算法。第一個(gè)是基于小波框架模極值密度的分類(lèi)算法。由于此算法只考慮小波框架模極值的一

3、階統(tǒng)計(jì)特性，并沒(méi)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(lèi)算法，新算法中增加了通過(guò)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(lèi)算法的性能。前兩種分類(lèi)算法將小波框架模極大值和極小值當(dāng)作一個(gè)特征分量，這就難免會(huì)降低紋理特征的多樣性，進(jìn)而降低特征的區(qū)分能力，第三個(gè)算法分別將小波框架模極大值和極小值作為兩個(gè)獨(dú)立的特征分量，并結(jié)合特征選擇進(jìn)一步提高分類(lèi)算法的性能。最后，通過(guò)仿真實(shí)驗(yàn)比較驗(yàn)證了這些分類(lèi)算法的

4、有效性。
　　2．提出基于 Gabor小波和核方法——譜聚類(lèi)法和支持向量機(jī)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(lái)，考慮到核方法的計(jì)算復(fù)雜性，提出先用譜聚類(lèi)算法對(duì)采樣的特征圖像進(jìn)行聚類(lèi)，再使用支持向量機(jī)分類(lèi)的分割方案，仿真實(shí)驗(yàn)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(duì)紋理圖像分割算法作適當(dāng)改進(jìn)，將其應(yīng)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(shí)際應(yīng)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(lèi)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(cè)距來(lái)度量?jī)煞鶊D像間的相似程度。仿真實(shí)驗(yàn)驗(yàn)證了新方法的有效性。
　　4．針對(duì)利用k近鄰分類(lèi)法進(jìn)行紋理圖像分類(lèi)以及檢索中查找相似圖像的效率問(wèn)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(gè)重要的金字塔