基于薛定諤方程的紋理圖像分析與分割.pdf

1、紋理是自然界物體表面表現(xiàn)出的基本屬性，具有結(jié)構(gòu)上的重復(fù)性或統(tǒng)計(jì)意義上的相似性。因此，紋理圖像分割就是將圖像中具有不同屬性的紋理分割為不同的區(qū)域。然而，由于紋理的多樣性和復(fù)雜性，使得紋理分割仍然是計(jì)算視覺領(lǐng)域中具有挑戰(zhàn)的研究?jī)?nèi)容。在長(zhǎng)期的研究過(guò)程中，研究者提出了許多種紋理圖像的分割算法，如模糊聚類的方法、馬爾科夫隨機(jī)場(chǎng)的方法，以及基于濾波器組的方法等。雖然這些方法在一定程度上給出了有效的分割效果，但是，由于紋理在結(jié)構(gòu)和形態(tài)上的多樣性，以及

2、人們對(duì)紋理感知的主觀性，給紋理圖像分割帶來(lái)很多困難。
　　近年來(lái)，研究者提出了模擬視覺感知分析的紋理圖像分割方法，如Gabor濾波器和多尺度小波分析的分割方法，但這些方法需要較大的計(jì)算量。為了有效的分析紋理圖像，本文開展了基于薛定諤方程的紋理分析方法研究，并對(duì)模糊聚類的紋理分割方法進(jìn)行了改進(jìn)，取得了相應(yīng)的研究成果。
　　首先，提出了基于薛定諤方程的紋理圖像分析方法。該方法將紋理圖像作為薛定諤方程的波函數(shù)，并利用薛定諤方程進(jìn)行

3、紋理圖像處理，獲取與紋理圖像相對(duì)應(yīng)的勢(shì)能函數(shù)圖像。
　　其次，在基于薛定諤方程的紋理圖像分析基礎(chǔ)上，提出了整合馬爾科夫隨機(jī)場(chǎng)的模糊聚類紋理分割方法。該方法根據(jù)圖像的標(biāo)記場(chǎng)，利用馬爾科夫隨機(jī)場(chǎng)估計(jì)紋理圖像的參數(shù)，提取圖像特征；同時(shí)，采用模糊聚類的方法獲取圖像的標(biāo)記場(chǎng)，從而實(shí)現(xiàn)圖像分割。
　　最后，利用人工合成的紋理圖像，以及自然紋理圖像，對(duì)本文提出的紋理圖像分析和分割方法進(jìn)行了測(cè)試，獲得了大量的實(shí)驗(yàn)數(shù)據(jù)。根據(jù)實(shí)驗(yàn)數(shù)據(jù)分析表明：