分形多小波理論和紋理圖象分割.pdf

1、在論文的前兩章綜述了分形小波的理論和紋理圖像分割的研究情況。本文的主要工作就是基于分形小波的紋理圖像分割。下面對基于分形小波的紋理圖像分割作簡要介紹。該方法分為如下幾個步驟:首先使用變差函數(shù)確定用來計算特征向量的特征窗口的大小,并且對修正后的特征窗口歸整為分解窗口,再用分形小波對分解窗口進行分解獲取紋理特征,在各紋理區(qū)域部分分別選取樣點,然后在特征空間尋找各取樣點的匹配點,對各種匹配點進行連通,得到各種紋理對應的連通區(qū)域,再把各紋理的連

2、通區(qū)域重合,以重合部分和空隙部分為粗邊緣,最后對粗邊緣細化,獲取比較精確的分割。區(qū)域化變量是既有隨機性又有結構性的變量,區(qū)域化變量Z(x)在h方向上的變差函數(shù):r(x,h)=(1/2)E[Z(x)-Z(x+h)]2-(1/2){E[Z(x)]-E[Z(x+h)]}2,區(qū)域化變量Z(x)在整個區(qū)域滿足本征假設(即E[Z(x)]常數(shù)),變差函數(shù)有如下形式:r(x,h)=(1/2)E[Z(x)-Z(x+h)]2,分別尋找水平和垂直變差函數(shù)曲線

3、的第一個極小值點位置,對這些位置值修正作為特征窗口的寬和高。然后把特征窗口劃分成一定大小的小塊,以每塊的灰度平均值為分解窗口的參量。基于分形小波的特征提取。假定有特征窗口歸整后的分解窗口為,則分形多小波分解的低通和高通濾波器矩陣分別為:水平方向:垂直方向:該分形小波濾波器矩陣有明確的物理意義。通常,計算特征的點為(x,y),所用計算特征的區(qū)域是以(x,y)為中心的區(qū)域,這時得到的分割分辨率是以為單位的。為了得到比較精確的邊界,我們選取的

4、計算特征的區(qū)域不是以(x,y)為中心的區(qū)域,而是以(x,y)為左上頂點、右上頂點、右下頂點和左下頂點的四個特征窗口,M和N為由變差函數(shù)確定而修正的特征窗口的寬和高。用分形小波對歸整后的分解窗口進行兩個尺度下的分解,獲取兩個尺度下的小波系數(shù),以這些分解系數(shù)作為特征點(x,y)的特征向量。在特征空間中某一紋理區(qū)域隨機的選一點作為取樣點。為了能獲得更多的匹配點,除了如上述選取的取樣點外,還以一定間隔在取樣點的上、下、左、右方向選特征點作為取樣

5、點。在特征空間選定取樣點后,就到此特征空間中尋找與此取樣點相同或相近的特征點,此尋找過程稱為匹配過程,與取樣點的加權歐氏距離小于閾值的特征點為匹配點。匹配點密集的出現(xiàn)在選取取樣點的紋理區(qū)域,而其他紋理區(qū)域出現(xiàn)的較少。分別采用兩種匹配點的連＜WP=3＞通方式:網(wǎng)格連通和極小值濾波模板連通。網(wǎng)格連通,是把整個圖像區(qū)域劃分為互不交疊的大小為的網(wǎng)格,然后統(tǒng)計每一網(wǎng)格的匹配點數(shù),匹配點數(shù)大于閾值的網(wǎng)格就是要找的目標紋理區(qū)域網(wǎng)格,然后根據(jù)連通網(wǎng)格數(shù)

6、目去除虛假紋理區(qū)域。極小值濾波模板連通,則是以大小的濾波模板在整個圖像中移動,求取模板內(nèi)極小值為濾波輸出(在進行匹配點重合時,把匹配點的值設為0),取閾值得到目標紋理區(qū)域,計算各連通塊的像素點數(shù)目,清除虛假紋理區(qū)域。對各種紋理區(qū)域的匹配點連通成各種紋理連通區(qū)域圖后,就把各連通區(qū)域圖重合,把各連通區(qū)域圖的交疊部分和間隙部分作為各種紋理區(qū)域的粗邊緣,然后對粗邊緣細化獲得較為精確的細邊緣。以粗邊緣的中線作為細邊緣。實驗結果表明基于分形小波的紋