[發(fā)明專利]基于非下采樣Contourlet變換的HMT圖像分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 200810232336.5
• 申請(qǐng)日: 2008-11-19
• 公開(kāi)（公告）號(hào): CN101447080A
• 公開(kāi)（公告）日: 2009-06-03
• 發(fā)明（設(shè)計(jì)）人: 焦李成;李博;侯彪;王爽;馬文萍;張向榮
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00
• 代理公司: 陜西電子工業(yè)專利中心
• 代理人: 王品華;黎漢華

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種多尺度幾何分析技術(shù)在圖像分割領(lǐng)域的應(yīng)用，具體地說(shuō)是一種圖像分割方法，可用于紋理圖像的分割處理。?

背景技術(shù)

圖像分割是一種重要的圖像處理技術(shù)。在圖像的研究和應(yīng)用中，人們往往對(duì)圖像中的某些部分感興趣，它們一般對(duì)應(yīng)圖像中特定的、具有獨(dú)特性質(zhì)的區(qū)域。為了辨識(shí)和分析目標(biāo)，需要將它們分離提取出來(lái)，在此基礎(chǔ)上才有可能對(duì)目標(biāo)進(jìn)一步處理。圖像分割就是把圖像分成各具特性的區(qū)域并提取出感興趣的目標(biāo)的技術(shù)和過(guò)程。這里特性可以是像素的灰度、顏色、紋理等，對(duì)應(yīng)的目標(biāo)可以對(duì)應(yīng)單個(gè)區(qū)域或多個(gè)區(qū)域。?

近年來(lái)，小波分析已廣泛應(yīng)用于圖像處理和分析中。小波對(duì)含點(diǎn)狀奇異的目標(biāo)函數(shù)而言是最優(yōu)的基，但對(duì)具有直線或曲線狀奇異的函數(shù)，小波系數(shù)則不是最稀疏的函數(shù)表示方法，所以小波在圖像處理應(yīng)用中并不能很好地表示圖像中的輪廓邊緣信息。多尺度幾何分析是為分析二維或更高維奇異性產(chǎn)生的新工具。它致力于構(gòu)建最優(yōu)逼近意義下的高維函數(shù)表示方法，能夠更優(yōu)的表示圖像的邊緣信息，因此被廣泛的應(yīng)用在圖像處理中。Arthur?LCunha、Jianping?Zhou和Minh?N?Do于2005年提出非下采樣的Contourlet變換，并研究了相關(guān)應(yīng)用。非下采樣Contourlet變換NSCT是基于非下采樣塔型結(jié)構(gòu)和非下采樣方向?yàn)V波帶分解，經(jīng)由àtrous?algorithm實(shí)現(xiàn)并生成一種靈活的多尺度，多方向和平移不變的的圖像分解方法。?

近年來(lái)，隨著多尺度幾何分析理論和方法的提出與發(fā)展，人們也提出了許多結(jié)合特定理論、方法和工具的圖像分割技術(shù)。隱馬爾科夫樹(shù)模型HMT是近年來(lái)發(fā)展起來(lái)并應(yīng)用于圖像處理的一種參數(shù)統(tǒng)計(jì)模型，該模型可以充分挖掘多尺度變換域系數(shù)之間的統(tǒng)計(jì)特性，從而將系數(shù)分布的求解問(wèn)題轉(zhuǎn)化為HMT中對(duì)應(yīng)的隱狀態(tài)確定問(wèn)題。2001年，韓國(guó)的Choi提出小波域隱馬爾科夫樹(shù)模型的圖像分割方法。該方法中，HMT模型利用了小波的的多尺度特性，使系數(shù)之間的關(guān)系轉(zhuǎn)變成隱狀態(tài)的歸屬問(wèn)題，并進(jìn)行了在不同尺度上結(jié)合最大后驗(yàn)概率對(duì)圖像進(jìn)行分割。該方法的缺點(diǎn)是沒(méi)有良好的區(qū)域一致性，且邊緣不夠光滑。2005年，中國(guó)的孫強(qiáng)提出一種改進(jìn)的小波域HMT模型圖像分割方法。其采用了一種新的上下文模型，結(jié)合了父節(jié)點(diǎn)鄰域和子節(jié)點(diǎn)鄰域的信息進(jìn)行上下文的融合分割。該方法減少了小波產(chǎn)?生的雜塊信息，增強(qiáng)了邊緣信息，但該方法僅限于遙感圖的分割，有一定的局限性。2005年，中國(guó)的沙宇恒等人提出了基于Contourlet域HMT模型的圖像分割方法。該方法對(duì)紋理圖，航拍圖和SAR圖像都有較好的分割結(jié)果，其圖像的邊緣信息保持較好，但是對(duì)均一區(qū)域分割效果欠佳。?

發(fā)明內(nèi)容

本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的不足，提出一種基于非下采樣Contourlet變換的HMM圖像分割方法，以得到具有較好的均一區(qū)域的紋理圖像分割結(jié)果。?

實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案是：利用非下采樣Contourlet變換對(duì)圖像處理的優(yōu)點(diǎn)，將非下采樣Contourlet變換系數(shù)通過(guò)高斯混合模型估計(jì)參數(shù)，對(duì)其按照一一對(duì)應(yīng)的父子狀態(tài)關(guān)系的隱馬爾可夫樹(shù)建模，利用訓(xùn)練得到的參數(shù)逐步對(duì)待分割圖像進(jìn)行最大似然函數(shù)的分類和最大后驗(yàn)概率的分類，最后結(jié)合馬爾科夫隨機(jī)場(chǎng)模型，充分考慮圖像的空間相關(guān)性信息處理，得到最終的分割結(jié)果。具體實(shí)現(xiàn)過(guò)程如下：?

(1)輸入待分割圖像，從輸入圖像中截取N類具有均一區(qū)域的訓(xùn)練圖像塊，其中N為待分割圖像的類別數(shù)；?

(2)對(duì)每類訓(xùn)練圖像塊分別進(jìn)行非下采樣Contourlet變換，得到多尺度的非下采樣Contourlet變換系數(shù)；?

(3)采用期望最大化算法對(duì)每類訓(xùn)練圖像塊的非下采樣Contourlet變換系數(shù)，按照一一對(duì)應(yīng)的父子狀態(tài)關(guān)系的隱馬爾可夫樹(shù)模型訓(xùn)練，得到隱馬爾可夫模型參數(shù)Θ；?

(4)輸入待分割的圖像，對(duì)其進(jìn)行非下采樣Contourlet變換，根據(jù)模型參數(shù)Θ，計(jì)算待分割圖像在各尺度下圖像子塊對(duì)應(yīng)的似然值；?

(5)根據(jù)各個(gè)尺度似然值，采用最大化似然函數(shù)算法，得到圖像各尺度上的初分割結(jié)果；?

(6)利用上下文模型對(duì)各個(gè)尺度的初分割結(jié)果進(jìn)行修正，即對(duì)各尺度采用上下文context-5模型，通過(guò)最大化后驗(yàn)概率方法對(duì)該尺度初分割結(jié)果進(jìn)行類別標(biāo)記更新，得到各尺度的修正結(jié)果。?

(7)對(duì)步驟(6)得到的結(jié)果，結(jié)合隱馬爾科夫隨機(jī)場(chǎng)模型，基于待分割圖像的相鄰像素的空間相關(guān)性信息，不斷更新分割的類別，取該分割結(jié)果為待分割圖像最終的分割結(jié)果。?