[發明專利]非下采樣Contourlet變換局部區域特征的圖像分割算法

無效

• 申請號: 201310181100.4
• 申請日: 2013-05-16
• 公開（公告）號: CN103247052A
• 公開（公告）日: 2013-08-14
• 發明（設計）人: 任洪娥;王海豐
• 申請（專利權）人: 東北林業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

所屬技術領域

本發明涉及一種紋理圖像分割算法，尤其涉及一種局部區域特征的非下采樣Contourlet變換的圖像分割算法。

背景技術

圖像分割在計算機視覺、物體識別等方面有著廣泛的應用，分割好壞對于其后的處理結果有著非常重要的影響。圖像的分割方法由于應用的不同方法也不同。近年來，隨著小波變換的流行，基于變換域的多尺度分割方法的應用越來越多。例如劉國英等人在文獻1“基于小波域分層Markov模型的紋理分割”（武漢大學學報·信息科學版,2009,34(5)）利用小波域分層Markov模型實現紋理圖像的分割。雖然小波變換能夠將圖像分解到不同的尺度和方向上，但二維小波的小波基支撐空間為正方形，只擁有水平、垂直、對角三個方向，方向數有限，導致方向選擇性差，而且不具有移不變、旋轉不變等特性，不能有效地捕捉輪廓信息，也不能夠很好地刻畫圖像的紋理特性，并且小波方法沒能考慮到圖像的空間位置信息。非下采樣Contourlet變換是近年發展起來的一種多尺度、多方向性的圖像表示方法，它在圖像融合、圖像去噪、物體識別等方面有著非常好的應用前景，多尺度的紋理分割效果也很好，王志國等人在文獻2“基于非下采樣Contourlet和MRF的紋理圖像分割”（計算機應用與軟件,2009,26(10)）利用多尺度的基于非下采樣Contourlet提取紋理特征，并使用MRF最終實現紋理圖像的分割。但多尺度分割常常因為統計信息不充分而難以獲得準確的分割結果，尤其是局部統計信息不足，會導致最終分割結果難以形成大而一致的紋理區域。圖像局部標準差，也叫圖像局部標準差梯度，它反映了在一幅圖像當中局部區域對比度的變化，是窗口中全部像素點的共同貢獻。圖像灰度起伏較大的區域，出現圖像邊緣的幾率會增大，標準差也會相應的變大，相反，圖像灰度變化平緩的區域，標準差小，出現圖像邊緣的幾率小。孫偉等人在文獻3“基于標準差梯度的模糊邊緣檢測算法”（紅外與激光工程，2005,34（4））利用標準差算子實現紅外圖像的目標邊緣檢測。這種思想對于采用標準差進行圖像分割有很大的啟發。同時考慮到信號的小波變換極大值描述（圖像多尺度邊緣描述）是信號的一種穩定的精確描述，信號的小波變換極大值表示能夠以10-2級均方誤差近似地重構原信號，從圖像的多尺度便于可以得到視覺質量良好的原圖像的近似。尋找各個尺度下小波變換的局部極大等價于多尺度的canny邊緣檢測算子。局部極值可以很好的描述多尺度圖像的邊緣信息，而局部標準差可以反應圖像局部區域對比度情況，二者結合適合描述多尺度圖像特征。

發明內容

本發明的目的是提供一種非下采樣Contourlet變換局部區域特征的圖像分割算法，該算法采用多尺度、多方向性的圖像表示方法非下采樣Contourlet變換對圖像進行變換，在各子帶空間提取局部區域特征后，使用聚類方法實現對特征向量的分類，并最終完成對紋理凸顯改的分割。算法同時兼顧了多尺度、多方向性的圖像空間位置信息，又兼顧了局部區域的統計信息，而且算法計算簡單，分割效果好。

為了達到上述目的，本發明采用如下技術方案：

非下采樣Contourlet變換局部區域特征的圖像分割算法，包括以下步驟：

（1）對待分割圖像進行非下采樣Contourlet變換，得到低頻子帶和各高頻子帶；對子帶進行非線性變換、平滑操作，提取各子帶鄰域內的局部極大、局部極小和局部方差作為特征向量；

（2）將提取的特征向量組成三維特征向量，對特征向量使用聚類方法實現紋理圖像的分割，并進行濾波去除小的噪點，得到最終的分割圖像，算法結束。