基于特征提取的紋理圖像分割.pdf

1、紋理圖像分割是圖像處理技術(shù)的研究難點之一,在計算機視覺、模式識別等諸多領(lǐng)域內(nèi)都是一個重要的研究內(nèi)容。其基本原理是根據(jù)紋理圖像中同類紋理的區(qū)域內(nèi)一致性與不同紋理間的差異性,將紋理圖像分割成具有均質(zhì)性的不同區(qū)域。而體現(xiàn)同類紋理區(qū)域內(nèi)一致性及不同紋理間差異性的方法之一,則是通過特征值來描述紋理,利用特征值間的一致性及差異性區(qū)分紋理。所以,紋理圖像的分割的關(guān)鍵問題就集中在提取紋理的特征值及對特征值所構(gòu)成的特征空間的聚類分析上。本文主要研究的內(nèi)容

2、就是這兩點,并將其用于實際的紋理圖像分割中。具體工作如下:
　　第一,詳細(xì)分析了灰度共生矩陣(Gray Level Co-occurrence Matrix, GLCM)這一經(jīng)典的紋理特征提取算法,從其基本原理上出發(fā),分析了構(gòu)建過程中所涉及到的各個參數(shù)的作用,通過實驗分析各個參數(shù)取值變化對紋理特征提取的影響,分析實驗結(jié)果,確定各參數(shù)的最佳取值范圍并注明了算法中的不足之處;
　　第二,引入局部二值模式(Local Binary

3、 Pattern, LBP),分析了LBP算子各種變型的基本原理,利用 LBP算子的均勻模式融合灰度共生矩陣來提取紋理特征,設(shè)計實驗,通過對Brodatz紋理庫中的紋理圖像進行分類,證明了該紋理特征提取方法的有效性,確定了其中的參數(shù)取值,并克服了單純的應(yīng)用灰度共生矩陣提取紋理特征中,因參數(shù)取值問題導(dǎo)致的相關(guān)問題;
　　第三,詳細(xì)分析了模糊C均值聚類算法的基本原理,該算法的作用是對特征空間進行聚類分析;
　　第四,結(jié)合排列組合

4、熵、灰度共生矩陣、局部二值模式組成了一種新的紋理圖像分割算法。采用融合 LBP算子及灰度共生陣的算法來提取紋理特征,取角二階矩、對比度、熵及逆差距作為特征值,結(jié)合不同方向上排列組合熵構(gòu)建一個多維特征向量,構(gòu)成特征空間。利用模糊 C均值聚類算法及分開-合并算法下對特征空間進行聚類分析,在紋理內(nèi)部采用較大的分割單元分析,將分析結(jié)果通過一定策略傳遞到較小的分割單元上并確定不同紋理的交界處,采用較小的分割單元在不同紋理交界處分析紋理特征并與初分