学位论文 > 优秀研究生学位论文题录展示

基于特征的纹理图像分割技术研究

作　者: 夏勇
导　师: 赵荣椿；冯大淦
学　校: 西北工业大学
专　业: 计算机科学与技术
关键词: 纹理图像分割局部形态学多重分形指数谱局部形态学多重分形签名空间模式模糊聚类耦合马儿可夫随机场
分类号: TP391.41
类　型: 博士论文
年　份: 2006年
下　载: 2386次
引　用: 13次
阅　读: 论文下载

内容摘要

纹理图像分割是数字图像处理研究的一个重要分支，是众多图像分析和机器视觉应用的基础。但是，一方面由于自然纹理类型庞杂、形态各异且结构繁复，另一方面也因为对人类视觉系统感知纹理的机理认识不足，纹理图像分割一直是图像处理领域的一大难题。在过去的四十多年中，广大研究人员虽然提出了大量的纹理图像分割算法，似是这些算法都存在着一定的不足。迄今为止，纹理图像分割仍然是一个没有得到很好解决的富有挑战性的课题。本文以灰度自然纹理图像的自动分割方法为研究内容，对目前广泛采用的一些纹理描述方法和纹理图像分割方法进行了认真的研究和总结，对各种方法的理论和实验结果进行了深入的分析和对比，选择了从基于特征的角度研究纹理图像分割问题。基于特征的纹理图像分割包括特征提取和图像分割这两个步骤。前者是描述图像的过程，旨在将图像中属于同一种纹理的像素映射为相似的矢量；后者进一步将矢量映射为类别标号，实现从特征集合到分割结果的转化。本文分别对这两个步骤进行了研究，完成了以下几个方面的工作：1、对纹理图像分割的研究意义、研究现状，特别是各类纹理图像分割方法的基本思想、算法的提出和各种改进进行了比较全面的总结，旨在通过这些总结来说明本文对纹理图像分割研究的深刻认识。2、研究了基于分形模型的纹理特征。提出了一种使用可变结构元的形态学分形维数估计算法。与四种传统的分形维数估计算法的对比实验显示，这种新算法不仅可以得到更加准确的分形纹理特征，而且算法的时间复杂度也更小。3、研究了基于多重分形模型的纹理特征。率先提出了基于数学形态学的多重分形估计算法，得到了一种全新的纹理描述符——局部形态学多重分形指数谱。与两种基于盒计数的多重分形维数相比，这种新特征在纹理图像分割实验中得到的分割精度更高，时间复杂度更小。此外，还将形态学多重分形估计与分形签名的概念相结合，提出了另一种纹理描述符——局部形态学多重分形签名。纹理图像分割实验表明，该特征的纹理区分能力不仅优于分形签名和局部形态学多重分形指数谱，也明显优于基于马尔可夫随机场模型的特征。4、研究了基于模糊聚类的图像分割技术。指出了图像的每一个纹理特征都可以被视为一个空间模式，提出了一种针对空间模式的模糊聚类算法实现了纹理图像分割。与经典的模糊聚类、空间模糊聚类和基于马尔可夫随机场模型的分割算法相比，新算法可以有效的提高纹理图像分割的精度。此外，还以该算法为核心，提出了一种基于图像四叉树的多级图像分割算法。对比实验显示，多级分割算法以牺牲少许分割精度为代价，将时间复杂度降低了一个数量级，从而使该算法可以被应用到数据量庞大且有一定实时性要求的场合。5、提出了耦合马尔可夫随机场模型来建模特征提取与图像分割之间的相互依赖关系，基于该模型实现了一种自适应的纹理图像分割算法。与经典的基于马尔可夫随机场的分割算法相比，新算法可以更好的定位纹理区域的边缘，从而显著的提高了纹理图像分割的精度。

全文目录

摘要  4-6
Abstract  6-12
第一章绪论  12-37
  1.1 选题背景与研究意义  12-15
  1.2 纹理图像分割的研究现状  15-26
    1.2.1 基于统计的方法  16-19
    1.2.2 基于模板卷积的方法  19-21
    1.2.3 基于频域的方法  21-23
    1.2.4 基于模型的方法  23-24
    1.2.5 国内外各大学的研究状况  24-26
  1.3 研究的难点与本文的工作  26-28
  1.4 本文的成果与创新  28-29
  1.5 本文的组织  29-30
  本章参考文献  30-37
第二章基于分形模型的纹理特征提取  37-61
  2.1 引言  37
  2.2 分形集合的定义  37-38
  2.3 纹理图像的分形维数  38-42
    2.3.1 基于分形布朗运动模型的维数估计  39-40
    2.3.2 基于双毯的维数估计  40-41
    2.3.3 基于盒计数的维数估计  41-42
  2.4 形态学分形维数估计  42-49
    2.4.1 盒计数算法的不足  42-44
    2.4.2 Mandelbrot方法的推广  44-45
    2.4.3 可变结构元法  45-47
    2.4.4 基于可变结构元的新方法  47-49
  2.5 分形估计算法性能对比  49-53
  2.6 纹理图像分割实验  53-58
  2.7 本章小结  58
  本章参考文献  58-61
第三章基于多重分形模型的纹理特征提取  61-85
  3.1 引言  61-62
  3.2 多重分形维数谱  62-64
  3.3 形态学多重分形指数谱  64-73
    3.3.1 一种形态学多重分形估计方法  64-65
    3.3.2 对估计算法的评估  65-68
    3.3.3 纹理图像分割实验  68-73
  3.4 形态学多重分形签名  73-82
    3.4.1 分形签名  74-75
    3.4.2 形态学多重分形签名  75-77
    3.4.3 纹理图像分割实验  77-82
  3.5 本章小结  82
  本章参考文献  82-85
第四章基于模糊聚类的纹理图像分割  85-115
  4.1 引言  85-86
  4.2 模糊聚类算法  86-88
  4.3 基于空间模式模糊聚类的分割算法  88-101
    4.3.1 空间信息的使用  89-91
    4.3.2 一种空间模式模糊聚类算法  91-95
    4.3.3 实验结果  95-101
  4.4 基于图像四叉树的多级分割算法  101-111
    4.4.1 图像的四叉树表示  101-102
    4.4.2 一种多级分割算法  102-104
    4.4.3 实验结果  104-111
  4.5 本章小结  111
  本章参考文献  111-115
第五章基于耦合MRF模型的纹理图像分割  115-147
  5.1 引言  115-116
  5.2 马尔可夫随机场理论  116-121
    5.2.1 邻域系统  116-117
    5.2.2 簇  117-118
    5.2.3 马尔可夫随机场  118-119
    5.2.4 吉布斯随机场  119-120
    5.2.5 等价定理  120-121
  5.3 MRF模型与纹理图像分割  121-127
    5.3.1 几种MRF模型  122-124
    5.3.2 基于MRF的图像分割  124-127
  5.4 基于耦合MRF模型的纹理分割  127-136
    5.4.1 耦合MRF模型  128-130
    5.4.2 特征提取  130-131
    5.4.3 计算最大后验概率  131-132
    5.4.4 一种基于CMRF模型的自适应分割算法  132-134
    5.4.4 参数选择  134-136
  5.5 实验结果  136-142
  5.6 本章小结  142
  本章参考文献  142-147
第六章总结和展望  147-152
  6.1 本文的工作总结  147-149
  6.2 存在的问题和进一步的工作  149-152
致谢  152-154
附录博士期间发表论文及科研工作  154-157

基于特征的纹理图像分割技术研究

内容摘要

全文目录

相似论文