论文部分内容阅读
纹理图像分割是图像处理领域的重要研究方向之一,同时也是图像处理领域的重要基础问题。但是,由于纹理具有数量繁多、结构复杂以及形态各异的特点,且人们对于人类视觉系统感知纹理的机制认识不成熟,纹理图像分割依旧是图像处理领域的一大难题,同时也是图像处理领域的研究热点之一。纹理图像分割一般分为两个步骤进行:首先利用特征提取算子提取纹理特征,然后通过构建能量泛函等方法进行纹理图像分割。纹理的多样性和纹理模式的复杂性造成现有的纹理特征提取算子难以准确描述纹理特征,从而导致最终的分割结果不够精确。在提取纹理特征后,一般利用分割模型结合纹理特征完成纹理图像分割,其中水平集方法具有分割结果是闭合曲线、有完整的数学理论支撑、拓扑不变等优点,在图像分割领域表现了良好的性能。本文基于局部算子对纹理图像分割问题进行研究,利用局部算子提取局部区域的特征,并将纹理特征融入到水平集方法中完成纹理图像的分割。主要工作如下:(1)介绍并总结了纹理图像分割的研究意义、难点和常用的方法,局部算子的研究现状及其在纹理图像分割中的应用;随后选出几种常用的纹理图像分割技术进行简单的介绍。(2)提出了一种基于多特征的水平集方法用于纹理图像分割。具体的,提出了局部连接度算子和局部差异度算子两种新的局部算子,并将灰度信息和两种局部特征算子所提取的纹理特征融入到水平集方法中,得到最终的分割结果。其中局部连接度算子用来描述局部区域中与中心点相连接且具有相似灰度的点的数量,局部差异度算子用来描述局部点和中心点的灰度差异程度。最后通过一系列的实验,证明该方法的有效性和优势。(3)提出了利用Gabor滤波器和改进的LTP算子相结合提取纹理特征的方法。具体的,利用Gabor滤波器提取具有相似性的纹理特征,利用LTP算子描述局部的差异性,并对原始LTP不能准确描述局部特征的问题进行改进,得到改进的LTP算子。将Gabor滤波器与改进的LTP算子融合到水平集方法中,完成纹理图像的分割。并通过实验,验证该方法的有效性和优势。