基于圖像結(jié)構(gòu)-紋理分解算法的研究及其在圖像分割中的應(yīng)用.pdf

1、隨著計(jì)算機(jī)科學(xué)技術(shù)的發(fā)展，圖像分割技術(shù)在近年來(lái)也得到了快速的發(fā)展。圖像分割就是把圖像分成若干個(gè)特定的、具有獨(dú)特性質(zhì)的區(qū)域，進(jìn)而提取出感興趣目標(biāo)的技術(shù)和過(guò)程。它是從圖像處理到圖像分析的關(guān)鍵步驟，因此被廣泛應(yīng)用于遙感、氣象、軍事等領(lǐng)域。目前已成為計(jì)算機(jī)科學(xué)、信息科學(xué)、生物學(xué)和醫(yī)學(xué)等學(xué)科的研究對(duì)象。被廣泛使用的圖像分割方法有很多，如基于邊緣檢測(cè)的圖像分割、基于生長(zhǎng)區(qū)域的圖像分割以及基于閥值的圖像分割等。然而由于圖像的復(fù)雜性以及多樣性，研究人員

2、開始結(jié)合其他領(lǐng)域的方法進(jìn)行圖像分割，如基于水平集的分割、基于小波的分割以及基于神經(jīng)網(wǎng)絡(luò)的分割等。
　　 分解幾何學(xué)為描述圖像的幾何特性提供了一種新的方法，其中將圖像分解成結(jié)構(gòu)圖像和紋理圖像是目前應(yīng)用最多的一個(gè)領(lǐng)域。具有分解特性的圖像，往往表現(xiàn)出邊界很不規(guī)則、很復(fù)雜的特點(diǎn)，而其紋理圖像也具有復(fù)雜性、自相似性等特點(diǎn)，尤其是自然紋理很適用于用分解模型來(lái)描述。鑒于圖像分解技術(shù)可以去除紋理的干擾，對(duì)于圖像分割具有很大的意義。因此結(jié)合圖像分

3、解方法使之成為一種有效的圖像分割方法具有很高的理論意義與應(yīng)用價(jià)值。
　　 Meyer模型是圖像分解的基本模型，該模型通過(guò)兩個(gè)功能函數(shù)F1、F2來(lái)區(qū)分圖像的紋理部分與結(jié)構(gòu)部分。其中F1用于排除圖像中的細(xì)小紋理而保留平滑區(qū)域以及強(qiáng)邊緣（結(jié)構(gòu)部分），F(xiàn)2用于保留圖像的紋理部分?；谠撃Ｐ偷闹饕纸馑惴ㄓ蠱umford-Shah模型以及ROF模型，由于此類模型均為非線性模型，因此求解復(fù)雜。目前開始逐步考慮通過(guò)采用線性模型來(lái)解決圖像分解的

4、問(wèn)題，局部總變分濾波算法就是目前效果最好的一種線性圖像分解方法。然而，不管是線性模型還是非線性模型，都涉及到一個(gè)分解參數(shù)的問(wèn)題，分解參數(shù)的選取給圖像分解的過(guò)程帶來(lái)了很大不便。此外，目前算法在處理過(guò)程中，對(duì)于一副圖像只采用一個(gè)分解參數(shù)，由于圖像的不同區(qū)域具有不同的特點(diǎn)，因此造成了一些區(qū)域的分解效果很好，而另一些區(qū)域的分解效果則不如人意的情況。
　　 本文在局部總變分濾波算法的基礎(chǔ)上，針對(duì)以上不足，提出了一種新的基于可信數(shù)據(jù)集的局部

5、總變分自適應(yīng)圖像分解方法。由于圖像不同區(qū)域的紋理復(fù)雜程度不同，在含有少量紋理但包含強(qiáng)邊緣的區(qū)域，為保持邊緣的完整性，需采用較小的分解參數(shù)，而對(duì)于紋理較復(fù)雜的區(qū)域，為了使紋理分離的更全面，需采用較大的分解參數(shù)。因此，本文采用分塊處理的思想，對(duì)不同的小塊圖像采用不同的分解參數(shù)進(jìn)行處理，從而取得整體上的最佳效果。為更好的描述圖像的紋理復(fù)雜程度，本文根據(jù)局部總變分定義了一種新的函數(shù)稱為振蕩率，振蕩率越大則紋理越復(fù)雜，并采用計(jì)算機(jī)模擬的方法，構(gòu)造