基于图切分优化的彩色纹理协同分割方法研究

摘要

如何有效的利用图像的特征信息进行图像处理，正成为计算机视觉与图像分析等研究领域的一个热点和难点。对于自然图像而言，为了减少用户交互并优化最终的分割结果，应当充分地利用图像的彩色特征与纹理特征。本文通过对基于彩色图像的分割方法，基于纹理图像的分割方法，基于彩色纹理图像的分割方法进行深入地研究，提出了三种不同的彩色纹理图像协同分割方法，以达到高效地利用彩色纹理特征的目的。具体地，本文的创新性工作体现在以下几个方面。
　　首先，本文针对基于变分模型与基于图切分优化模型的彩色图像分割方法进行了深入地研究，并结合积分几何学上的Cauchy-Crofton公式，证明了这两种模型的相似性，且统一于模式聚类准则中的“类内距离最小，类间距离最大”准则。
　　其次，考虑到多尺度非线性结构张量（MSNST）具有很好的纹理描述能力，本文选取MSNST作为图像纹理特征的建模方法。为了更好地利用MSNST强健的纹理描述能力，本文结合超高斯混合模型与协同分割的思想，在黎曼空间，使用图切分优化的分割框架，提出了基于超高斯混合模型与MSNST的纹理图像分割方法和基于MSNST尺度上下文信息的纹理图像分割方法。
　　最后，本文对基于颜色与纹理分割结果的一致性假设的传统彩色纹理分割方法进行了深入地分析，证明了基于彩色纹理特征描述子的图像分割方法与基于混合能量函数模型的图像分割方法具有一致性。此外，考虑到颜色与纹理特征往往存在着很强的差异性，如果对分割结果强行添加一致性约束，可能会导致分割结果还没有单一特征的分割效果好，本文充分考虑颜色与纹理分割结果的相似性而非严格要求一致性，提出了三种不同的彩色纹理图像协同分割方法。当颜色与纹理分割结果不一致时，引入惩罚项对不一致部分进行惩罚，从而确保协同分割结果的相似性。
　　本文通过大量的仿真实验验证了提出方法的有效性与优越性，这些研究成果不但可以将图像的颜色特征、纹理特征、多尺度特征有效的融合起来，而且扩展了协同分割的应用范围，同时促进图像分割技术在民用和军用领域的发展。

目录

封面

声明

中文摘要

英文摘要

目录

1绪论

1.1 研究背景与意义

1.2 图像分割方法的研究现状

1.3 本文研究内容安排

2 基于图切分优化的彩色图像分割

2.1 引言

2.2 基于变分模型的彩色图像分割方法

2.3 基于图切分优化的彩色图像分割方法

2.4 变分模型与图切分优化模型统一于模式聚类准则

2.5 实验仿真与分析

2.6 本章小结

3 基于图切分优化与MSNST的纹理图像分割

3.1 多尺度非线性结构张量

3.2 黎曼空间的统计性质

3.3 基于单尺度结构张量的图切分优化模型

3.4 基于多尺度结构张量的图切分优化模型

3.5 实验仿真与分析

3.6 本章小结

4基于彩色纹理分割结果相似性的协同分割方法

4.1 引言

4.2 基于彩色纹理分割结果一致性假设的图像分割方法

4.3 基于彩色纹理分割结果相似性假设的图像分割方法

4.4 实验仿真与分析

4.5 本章小结

5 总结与展望

5.1 本文总结

5.2 研究展望

致谢

参考文献