基于相对全变分模型的纹理图像主结构提取方法研究

摘要

图像主结构是指包含图像主要信息，如大尺度边缘，且满足逐段连续光滑的特点。图像纹理部分指的是图像的一些小尺度细节、承载一定特性背景和细节信息的部分，其局部一般比较不光滑，梯度较强。对于很多“主结构+纹理”混合的图像，很多时候，大尺度边缘部分的提取对研究者来说更具价值。如何从“主结构+纹理”共存的图像中高效的提取主结构部分是重要的研究方向。该技术能够增强对图像的理解，还可以应用在遥感影像的多尺度分割和边缘检测方面。但是“主结构+纹理”图像存在状态错综复杂，这些问题都给主结构提取工作带来挑战。针对此问题，目前的研究方法主要集中在对主结构和纹理的先验性度量上，但常常对纹理的规则性要求也较高，对于随机的纹理图像不能取得令人满意的结果。
　　本文利用相对全变分模型的方法，通过捕捉主结构和纹理这两种类型在视觉形式上的本质差异，将图像的纹理细节部分去除，实现将主结构从复杂的纹理图像中提取出来的目的。本文通过对样本图像进行模拟实验，对该模型在主结构提取方面的有效性进行验证，同时，在验证模型有效性的过程中，对实验原图加入高斯噪声，验证了该模型在抑制噪声方面也有很好的表现。本文创新性的将此模型应用到遥感影像的多尺度分割和边缘检测方面，并取到了较好的效果。

目录

声明

致谢

摘要

1 绪论

1．1 研究背景与选题意义

1．1．1 研究背景

1．1．2 选题意义

1．2 国内外研究现状

1．3 研究内容与技术路线

1．3．1 研究内容

1．3．2 技术路线

2 相关理论和技术

2．1 图像纹理结构

2．1．1 纹理概念

2．1．2 纹理类型

2．1．3 纹理特性

2．2 特征提取方法

2．2．1 结构法

2．2．2 统计法

2．2．3 频谱法

2．2．4 模型法

2．3 图像平滑滤波

2．3．1 中值滤波器

2．3．2 均值滤波器

2．3．3 高斯滤波器

2．4 图像去噪声模型

2．4．1 图像噪声

2．4．2 图像噪声模型

2．4．3 常见去噪方法

2．4．4 图像去噪评价标准

3 基于相对全变分模型的纹理图像主结构提取

3．1 结构提取模型

3．1．3 TV-Gabor模型

3．1．4 TV-L1模型

3．2 相对全变分模型

3．3 相对全变分模型验证

4 实验与分析

4．1 实验图像

4．2 实验结果

4．3 结果分析与对比

5 结论与展望

5．1 结论

5．2 展望

参考文献

作者简历

学位论文数据集