基于紋理子空間成分的活動輪廓模型的圖像分割.pdf

1、圖像分割是圖像處理和圖像分析到圖像理解的關鍵步驟。但是由于圖像的多樣性，使得圖像分割成為圖像處理技術中基礎性的難題之一，而紋理圖像的分割又是圖像處理中更加困難的課題。無邊緣活動輪廓模型(C-V模型)是一種簡化的Mumford-Shah模型，該模型克服了傳統(tǒng)的活動輪廓模型僅利用圖像局部邊緣信息分割效果不理想的缺點，使得模型在圖像邊緣模糊或不連續(xù)的情況下也可取得理想的分割結果。為了適用于矢量圖像，C-V模型擴展到多通道的C-V模型，并且將分

2、割的重點轉化到了尋找一種精確描述圖像特征的方法。Structure Tensor是一種以圖像梯度信息表示圖像特征的方法，但是僅包含了圖像水平和垂直方向的梯度，丟失了其它方向上的重要信息。
　　 本文提出了基于紋理子空間成分(TSC)的多通道C-V模型的分割方法。紋理梯度(TG)是一種可以描述圖像在不同尺度、方向上特征的方法，它可以更精確、細致的描述圖像的局部區(qū)域特征，且該梯度計算方法具有一定的魯棒性。而像素模式的紋理特征(PPB

3、TF)是一種基于像素模式的紋理特征，它對光照變化不敏感，且能夠反映較多的局部細節(jié)，有較高的區(qū)分能力。本文將PPBTF特征和紋理梯度特征作為多通道C-V模型的輸入量，經(jīng)過對復雜紋理圖像分割的實驗，證明了該方法的有效性和準確性。Gabor-濾波器與方向能量(OE)均由一對奇偶濾波器構成，且兩者均可描述圖像區(qū)域特征，但是它們包含了太多的冗余信息和特征通道，不僅降低了分割的速度，而且使得分割的邊緣也不準確。為克服Gabor濾波器和OE濾波器的缺