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重要分支，是眾多圖像分析和機器視覺應用的基礎(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，另一方面也因為對人類視覺系統(tǒng)感知紋理的機理認識不足，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行了認真的研究和總結(jié)，對各種方法的理論和實驗結(jié)果進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?；谔卣鞯募y理圖像分割包括特征提取和圖像分割這兩個步驟。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；后者進一步將矢量映射為類別標號，實現(xiàn)從特征集合到分割結(jié)果的轉(zhuǎn)化。本文分別對這兩個步驟進行了研究，完成了以下幾個方面的工作：

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進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)學分形維數(shù)估計算法。與四種傳統(tǒng)的分形維數(shù)估計算法的對比實驗顯示，這種新算法不僅可以得到更加準確的分形紋理特征，而且算法的時間復雜度也更小。 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)學形態(tài)學的多重分形估計算法，得到了一種全新的紋理描述符——局部形態(tài)學多重分形指數(shù)譜。與兩種基于盒計數(shù)的多重分形維數(shù)相比，這種新特征在紋理圖像分割實驗中得到的分割精度更高，時間復雜度更小。此外，還將形態(tài)學多重分形估計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)學多重分形簽名。紋理圖像分割實驗表明，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)學多重分形指數(shù)譜，也明顯優(yōu)于基于馬爾可夫隨機場模型的特征。 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紋理特征都可以被視為一個空間模式，提出了一種針對空間模式的模糊聚類算法實現(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。對比實驗顯示，多級分割算法以犧牲少許分割精度為代價，將時間復雜度降低了一個數(shù)量級，從而使該算法可以被應用到數(shù)據(jù)量龐大且