基于独立成分分析的纹理图像分析方法研究

摘要

纹理分析是指通过一定的图像处理技术提取纹理特征参数,从而获得纹理的定量或定性描述的处理过程,在机器视觉和模式识别领域研究中占有重要地位。随着科学技术的快速发展以及机器视觉系统在各个领域的广泛应用,有越来越多的学者致力于纹理分析的研究,并在过去几十年里在有关的理论和算法方面取得了可喜的研究成果。
　　 独立成分分析(ICA)是近十年发展起来的一种数据处理技术,在许多科研和应用领域中正发挥着越来越重要的作用。本文将其应用到纹理分析方法研究中,重点讨论了基于独立成分分析的纹理分析方法及其在纹理图像分割中的应用。主要研究工作集中在以下几个方面:
　　 首先,介绍了纹理分析的研究历史和发展现状以及存在的问题。并对独立成分分析方法相关理论和算法进行了概括,论述了基于独立成分分析的自然图像表示模型。
　　 其次,采用独立成分分析对纹理图像进行处理,通过FastICA算法学习到一组具有方向性、局部性和频率性的ICA纹理基元,将其应用于图像的纹理特征提取。
　　 再次,阐述了稀疏编码理论及其与独立成分分析的联系,提出了一种基于稀疏编码和高斯混合模型的纹理分割方法,并对纹理图像分割中窗口尺寸选取及特征降维的问题进行了讨论,通过实验说明了该方法的有效性。
　　 最后,探索了独立成分分析在彩色自然图像处理中的应用,通过独立成分分析方法提取图像纹理特征,融合自然图像的颜色特征后对自然图像进行分割,采用贝叶斯信息准则对混合模型进行评价从而解决聚类个数选取问题。实验结果说明了方法的可行性。

目录

文摘

英文文摘

第1章 绪论

1.1 研究背景和意义

1.2 研究历史及现状

1.3 课题来源

1.4 本文研究内容及结构

第2章 纹理分析方法综述

2.1 统计分析法

2.1.1 灰度共生矩阵

2.1.2 自相关函数

2.2 频谱分析法

2.2.1 Gabor变换

2.2.2 小波变换

2.3 模型分析法

2.3.1 Markov随机场

2.3.2 自回归模型

2.3.3 分形模型

2.4 结构分析法

2.5 本章小结

第3章 基于独立成分分析的纹理分析方法

3.1 引言

3.2 独立成分分析相关理论

3.2.1 独立成分分析模型

3.2.2 独立成分分析的独立性度量

3.2.3 独立成分分析的目标函数

3.3 独立成分分析的定点算法

3.3.1 数据预处理

3.3.2 独立成分分析的定点算法

3.4 基于独立成分分析(ICA)的图像处理方法

3.4.1 将ICA用于图像处理

3.4.2 实验分析

3.5 基于独立成分分析(ICA)的纹理特征提取

3.5.1 ICA基元组的提取

3.5.2 图像特征提取

3.5.3 分割算法

3.5.4 实验结果

3.6 本章小结

第4章 基于稀疏编码和高斯混合模型的纹理图像分割算法

4.1 引言

4.2 自然图像的稀疏编码模型

4.2.1 自然图像的稀疏编码模型

4.2.2 独立成分分析和稀疏编码

4.2.3 基于稀疏编码表示的纹理特征

4.3 特征选择

4.4 高斯混合模型和EM算法

4.4.1 高斯混合模型

4.4.2 参数估计的EM算法

4.5 纹理图像分割试验

4.5.1 算法及基本原理

4.5.2 实验结果和分析

4.6 本章小结

第5章 基于ICA和EM算法的彩色自然图像分割

5.1 引言

5.2 特征提取

5.2.1 颜色特征

5.2.2 纹理特征

5.3 特征聚类

5.3.1 聚类个数的选取

5.4 实验结果和分析

5.5 本章小结

结论

参考文献

攻读硕士学位期间发表的学术论文

致谢