圖像結(jié)構(gòu)、紋理和偏場(chǎng)協(xié)同分解方法的研究.pdf

1、圖像分解在計(jì)算機(jī)視覺(jué)領(lǐng)域中一直是一個(gè)被廣泛關(guān)注的問(wèn)題，該問(wèn)題的研究目標(biāo)是將一幅圖像分解成若干個(gè)不同的分量，從而實(shí)現(xiàn)原圖像中的主要結(jié)構(gòu)與紋理細(xì)節(jié)等信息的分離。解決這一問(wèn)題，對(duì)計(jì)算機(jī)視覺(jué)和醫(yī)學(xué)圖像等領(lǐng)域的許多工作具有重要意義。然而，一方面，現(xiàn)存的經(jīng)典圖像分解方法大多缺少相應(yīng)的函數(shù)來(lái)定義某些復(fù)雜的結(jié)構(gòu)特征，如經(jīng)典的雙邊濾波(BF)和雙邊紋理濾波(BTF)缺少定義視網(wǎng)膜圖像血管結(jié)構(gòu)特征的函數(shù)。另一方面，這些方法忽視了圖像中常見(jiàn)的偏場(chǎng)信息對(duì)圖像造

2、成的影響，分解出的信息常受到偏場(chǎng)的干擾而嚴(yán)重丟失。針對(duì)這些問(wèn)題，本文提出了圖像結(jié)構(gòu)、紋理和偏場(chǎng)協(xié)同分解的模型，并基于圖像管狀結(jié)構(gòu)、紋理的分解以及對(duì)圖像偏場(chǎng)的估計(jì)提出了圖像協(xié)同分解的方法。該方法能夠在分解圖像中復(fù)雜的管狀結(jié)構(gòu)與紋理細(xì)節(jié)的同時(shí)不受偏場(chǎng)信息的影響。具體地，本文提出了一個(gè)最優(yōu)線(xiàn)性擴(kuò)散函數(shù)(OLSF)空間核算子來(lái)提取管狀結(jié)構(gòu)的特征，然后將其與BTF中的紋理分解算子Patch-shift(PS)融合，用于有效分解圖像中的管狀結(jié)構(gòu)與紋

3、理。為了消除偏場(chǎng)信息的干擾，我們利用魯棒性較強(qiáng)的圖像梯度分布稀疏性來(lái)有效地估計(jì)圖像的偏場(chǎng)信息。具體來(lái)講，本文的研究和貢獻(xiàn)主要有以下幾點(diǎn)：
　　(1)提出了一個(gè)圖像管狀結(jié)構(gòu)、細(xì)節(jié)分解方法，并將其成功地應(yīng)用于眼底圖像的降噪任務(wù)。該方法利用OLSF有效地提取特殊管狀結(jié)構(gòu)特征，例如局部血管的方向、尺度等等,然后利用這些特征區(qū)分血管結(jié)構(gòu)信息和背景細(xì)節(jié)信息，最終在降低圖像中的噪聲的同時(shí)極大的保留血管結(jié)構(gòu)。大量的手工圖像和視網(wǎng)膜圖像的實(shí)驗(yàn)結(jié)果表

4、面，在保留對(duì)比度較低的細(xì)血管的效果上，該方法要優(yōu)于經(jīng)典的BF方法。此外，該方法不僅為分解視網(wǎng)膜圖像中的血管結(jié)構(gòu)提供了可行性，并且在其他包含小尺度的、低對(duì)比度的管狀結(jié)構(gòu)的圖像上同樣有效，為下一步的管狀結(jié)構(gòu)、紋理分解工作提供了基礎(chǔ)。
　　(2)提出了一個(gè)圖像管狀結(jié)構(gòu)、紋理分解方法，能夠有效地分解圖像的管狀和紋理細(xì)節(jié)信息。該方法基于BF框架，融合了PS算子和提出的OLSF。其中，PS算子利用每個(gè)像素的局部統(tǒng)計(jì)特征來(lái)定義該像素的紋理特征，

5、具有很好的圖像的結(jié)構(gòu)和紋理細(xì)節(jié)分解效果。大量的視網(wǎng)膜圖像和自然圖像的實(shí)驗(yàn)結(jié)果表明，利用PS算子和OLSF定義BF的濾波核，能夠在消除紋理信息的同時(shí)有效地保護(hù)管狀結(jié)構(gòu)，且其效果要優(yōu)于經(jīng)典的BF和BTF圖像分解方法。
　　(3)提出了圖像結(jié)構(gòu)、紋理和偏場(chǎng)協(xié)同分解的模型，并在圖像管狀結(jié)構(gòu)、紋理分解的基礎(chǔ)上加入了圖像偏場(chǎng)的估計(jì)，提出了圖像協(xié)同分解模型的實(shí)現(xiàn)方法。本文利用了圖像梯度分布的稀疏性估計(jì)圖像偏場(chǎng)信息，同時(shí)結(jié)合管狀結(jié)構(gòu)-紋理濾波分解