[發明專利]一種紋理圖像的分割方法

有效

• 申請號: 201210259652.8
• 申請日: 2012-07-25
• 公開（公告）號: CN102819840A
• 公開（公告）日: 2012-12-12
• 發明（設計）人: 王好謙;張新;戴瓊海
• 申請（專利權）人: 清華大學深圳研究生院
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 深圳新創友知識產權代理有限公司 44223
• 代理人: 江耀純

技術領域

本發明涉及計算機圖像處理領域，特別涉及一種紋理圖像的分割方法。

背景技術

圖像分割是圖像分析的重要過程，圖像分割一般認為是分割圖像并找出圖像中不同的物體以找到一種我們感興趣的圖像數據的緊湊描述。而傳統的圖像分割技術對紋理圖像中的噪聲敏感,易造成過分割現象。紋理作為圖像的一個重要特征,在計算機視覺和圖像處理中有重要應用例如醫學早期的癌細胞識別診斷遙感圖像中對軍事及民用目標的識別。

對目前紋理圖像的分割分為三大類:統計法,結構法和時域/頻域方法。

發明內容

本發明所要解決的技術問題是，提供一種計算速度快、圖像分割準確的紋理圖像分割方法。

為便于理解，下文首先對本發明的基本原理闡述如下：

本方法基于時域和頻域的方法使用近年來發展迅速的Gabor濾波器(中文名為:伽柏濾波器)提取圖像的局部的各種特征信息表征圖像中不同紋理的區域的特性得到特征圖像，通過主成分分析等手段降低數據量再通過mean?shift算法（中文名為：均值漂移算法）對特征向量進行聚類,從而完成較可靠的紋理圖像分割。

Gabor濾波器由于其在時域和頻域具有很好的分辨能力,被廣泛用在計算機視覺和圖像處理領域。作為在方向和頻率上有選擇性的帶通濾波器，它的沖擊響應是高斯包絡的復數正弦函數。Jones和Palmer(1987)指出復高斯函數與貓的視覺接受場函數相似,所以通過對生物視覺的分析對Gabor濾波器的參數選擇具有啟發性。

mean?shift這個概念最早是由Fukunaga等人在一篇關于概率密度梯度函數的估計中提出來的,其最初含義正如其名,就是偏移的均值向量,在這里mean?shift是一個名詞,它指代的是一個向量,但隨著Mean?Shift理論的發展,mean?shift的含義也發生了變化,如果我們說mean?shift算法,一般是指一個迭代的步驟,即先算出當前點的偏移均值,移動該點到其偏移均值,然后以此為新的起始點,繼續移動,直到滿足一定的條件結束。與其他常用的聚類算法相比本算法能自動確定聚類數目，廣泛用在圖像分割，圖像跟蹤等領域。然而對某些紋理豐富的圖像直接使用mean?shift算法容易導致過分割的現象。所以方法中提出先使用Gabor濾波器分解圖像，再使用mean?shift算法進行聚類,有效抑制了過分現象，并完成圖像的自動分割。

本發明采用以下技術手段解決所述技術問題：

一種紋理圖像分割方法，包括以下步驟：

1）對輸入的圖像I(x,y)做傅里葉變換,得到圖像的頻率域數據；

2）根據預定的旋轉方向和濾波器頻段構造一組Gabor濾波器：

{H_k(x,y)|k=1...N}，其中，H_k表示這組濾波器中第K個濾波器的核函數,N為濾波器的個數；

3）在頻率域使用所述Gabor濾波器對圖像濾波，得到一組濾波結果{I′_k(x,y)|k=1...N}，其中，I′_k(x,y)表示第k個濾波器對圖像濾波的結果,k為濾波器個數,x、y為像素坐標；

4）對濾波結果I′_k(x,y)進行特征抽取，抽取的特征包括紋理的能量E_d(x,y)、反向灰度值M_d(x,y)和方向灰度方差V_d(x,y)，從而得到各頻段和方向下的特征向量：

f_k(x,y)=[E_d(x,y),M_d(x,y),V_d(x,y)]|k=1..N，其中，f_k(x,y)為行向量,x,y是對應圖像中的像素坐標；

5）使用meanshift算法對步驟4）得到的特征向量進行聚類，完成圖像分割。

優選地：

所述步驟5）包括以下步驟：使用PCA算法（中文名為：主成分分析算法）對所述步驟4）得到的特征向量進行降維得到降維后的特征向量，然后再使用meanshift算法對該降維后的特征向量進行聚類完成圖像分割。

所述預定的旋轉方向為0°,45°,90°和135°，所述Gabor濾波器的頻程為1~2,分為5個頻段，其中，中頻段的中心頻率取0.25。

所述步驟4）中，