基于拟合偏差的自适应灰度图像的Delaunay三角网表达

摘要

图像是一种离散规则格网的数据结构,它通过其像素所蕴含的灰度来表达地物的光谱变化特征,但这只是隐式地表达了目标内灰度变化一致性和目标间灰度变化差异性信息,使得这些信息无法直接被用于图像处理.据此,本文提出一种基于拟合偏差的自适应灰度图像Delaunay三角网表达方法,用以表达这些信息.首先定义拟合偏差用以表征图像局部光谱测度变化的程度,通过设定阈值筛选出目标顶点;然后利用Delaunay三角网针对数据密度的自适应性和对复杂表面的良好表达效果等特性,建立图像表达模型;在此基础上,设计3种选点策略,结合二者之间的关系建立目标函数,通过迭代最小化全局拟合偏差以及约束总顶点数实现灰度图像的Delaunay三角网表达.为验证该方法的有效性和可行性,选择真实灰度图像进行表达实验,并对比3种选点策略的表达效果进行分析.实验结果表明,该方法能够显式地表达目标内灰度变化一致性和目标间灰度变化差异性信息,有利于这些信息的直接应用.