基于特征的紋理圖像分割技術(shù)研究

《基于特征的紋理圖像分割技術(shù)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、西北工業(yè)大學(xué)博士學(xué)位論文基于特征的紋理圖像分割技術(shù)研究姓名：夏勇申請(qǐng)學(xué)位級(jí)別：博士專業(yè)：計(jì)算機(jī)科學(xué)與技術(shù)指導(dǎo)教師：趙榮椿;馮大淦20061101要苧三些奎耋墨圭蘭竺蘭鑾墊莖摘要紋理圖像分割是數(shù)字圖像處理研究的一個(gè)重要分支，是眾多圖像分析和機(jī)器視覺應(yīng)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(fù)，另一方面也因?yàn)閷?duì)人類視覺系統(tǒng)感知紋理的機(jī)理認(rèn)識(shí)不足，紋理圖像分割～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(gè)沒有得到很好解決的富有挑戰(zhàn)性的課題。本

2、文以灰度自然紋理圖像的自動(dòng)分割方法為研究?jī)?nèi)容，對(duì)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(jìn)行了認(rèn)真的研究和總結(jié)，對(duì)各種方法的理論和實(shí)驗(yàn)結(jié)果進(jìn)行了深入的分析和對(duì)比，選擇了從基于特征的角度研究紋理圖像分割闖題?；谔卣鞯募y理圖像分割包括特征提取和圖像分割這兩個(gè)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(jìn)一步將矢量映射為類別標(biāo)號(hào)，實(shí)現(xiàn)從特征集合到分割結(jié)果的轉(zhuǎn)化。本文分別對(duì)這兩個(gè)步驟進(jìn)行了研究，完成了以下幾個(gè)方面的工作：1、對(duì)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(jìn)進(jìn)行了比較全

3、面的總結(jié)，旨在通過這些總結(jié)來說明本文對(duì)紋理圖像分割研究的深刻認(rèn)識(shí)。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(xué)分形維數(shù)估計(jì)算法。與四種傳統(tǒng)的分形維數(shù)估計(jì)算法的對(duì)比實(shí)驗(yàn)顯示，這種新算法不僅可以得到更加準(zhǔn)確的分形紋理特征，而且算法的時(shí)間復(fù)雜度也更小。3、研究了基于多重分形模型的紋理特征。率先提出了基于數(shù)學(xué)形態(tài)學(xué)的多重分形估計(jì)算法，得到了一種全新的紋理描述符——局部形態(tài)學(xué)多重分形指數(shù)譜。與兩種基于盒計(jì)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(shí)驗(yàn)中得到的分割精度更高，時(shí)間復(fù)雜度更小。此外，還將形態(tài)學(xué)多重分形估計(jì)與分形簽名的概念相結(jié)合，提出了另一種紋

4、理描述符——蜀部形態(tài)學(xué)多重分形簽名。紋理圖像分割實(shí)驗(yàn)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(xué)多重分形指數(shù)譜，也明顯優(yōu)于基于馬爾可夫隨機(jī)場(chǎng)模型的特征。4、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(gè)紋理特征都可以被西北工業(yè)大學(xué)博士學(xué)位論文摘要視為一個(gè)空間模式，提出了一種針對(duì)空間模式的模糊聚類算法實(shí)現(xiàn)了紋理圖像分割。與經(jīng)典的模糊聚類、空聞模糊聚類和基于馬爾可夫隨機(jī)場(chǎng)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(jí)圖像分割算法。對(duì)比實(shí)驗(yàn)顯示，多級(jí)分割算法以犧牲少許分割精度為代價(jià)，將時(shí)間復(fù)

5、雜度降低了一個(gè)數(shù)量級(jí)，從而使該算法可以被應(yīng)用到數(shù)據(jù)量龐大且有一定實(shí)時(shí)性要求的場(chǎng)合。5、提出了耦合馬爾可夫隨機(jī)場(chǎng)模型來建模特征提取與圖像分割之間的相互依賴關(guān)系，基于該模型實(shí)現(xiàn)了一種自適應(yīng)的紋理圖像分割算法。與經(jīng)典的基于馬爾可夫隨機(jī)場(chǎng)的分割算法相比，新算法可以更好的定位紋理區(qū)域的邊緣，從而顯著的提高了紋理圖像分割的精度。關(guān)鍵詞：紋理圖像分割局部形態(tài)學(xué)多重分形指數(shù)譜局部形態(tài)學(xué)多重分形簽名空間模式模糊聚類耦合馬兒可夫隨機(jī)場(chǎng)Il兩北丁業(yè)大學(xué)博士學(xué)位論文Ab科ractAbStraCtThese舯entationoftextIlrediIIlagesaimstopanitionaI

6、l曲age幻toseveraldisjoimedre百oIlsthatarehomogencouswitlIregardstosome把xttIremeasures，sothatsubsequenthi曲crleVelcoml)ut盯、，isionprocessingcaIlbeperfomed．nhaslongbeelloneofthemostinlportantbranchesofdi百talinlageprocessingaIldhasdra、Ⅳnconsi出釉bleattentionofresearchersf如maromldthewo訂d，Duringtll

7、epasttllreedecades，h蚰dredsofsegmeIltationalgorimmshavebeeIlproposedinthe1iteranlrc．Ho、Ⅳever，duetothediversityofimages，thecoInplcxityofnattlfaltextllresandthelackofl】nderStandiIlgofme舢maIlvisionsystem唧VS)，thosealgoritllmsusuallysu玨h血)mlessacc盯acyandIla】Towimagespeci6corientation