基于非局部方法的紋理圖像分割.pdf

1、紋理圖像分割作為圖像處理和模式識別中一個(gè)重要的研究內(nèi)容，一直以來是人們研究的熱點(diǎn)。由于紋理圖像不同于簡單的圖像，它具有大量復(fù)雜的紋理信息，因此，紋理圖像的分割相對來說存在一定的困難。為解決紋理圖像分割問題，本文將非局部算子推廣到活動(dòng)輪廓線模型中,利用活動(dòng)輪廓模型的梯度項(xiàng)與非局部算子的結(jié)合實(shí)現(xiàn)對紋理圖像的分割，同時(shí)利用彩色圖像的R,G,B三通道彩色空間，實(shí)現(xiàn)對彩色紋理圖像的分割。實(shí)現(xiàn)主要工作和創(chuàng)新成果如下：第一，對紋理圖像分割理論基礎(chǔ)進(jìn)行

2、了介紹，重點(diǎn)介紹了紋理圖像特征和變分圖像分割方法。第二，對基于變分理論的圖像分割模型進(jìn)行了介紹，重點(diǎn)介紹了變分圖像分割的Mumford-Shah模型和Chan-Vese模型，同時(shí)對基于紋理分解的活動(dòng)輪廓線模型進(jìn)行了介紹。第三，在傳統(tǒng)的活動(dòng)輪廓線模型中引入非局部算子，非局部梯度項(xiàng)基于圖像的區(qū)域相似度可以實(shí)現(xiàn)對灰度紋理圖像的分割，由于非局部算子會(huì)使運(yùn)行時(shí)間變長，所以對僅僅引入非局部梯度項(xiàng)的活動(dòng)輪廓線模型進(jìn)行改進(jìn)，加入新的梯度項(xiàng)，這樣在實(shí)現(xiàn)灰

3、度紋理圖像分割的同時(shí)并且縮短了運(yùn)行時(shí)間。第四，由于彩色圖像可以被看做是R,G,B三通道，將改進(jìn)的灰度紋理圖像分割模型推廣到彩色紋理圖像，實(shí)現(xiàn)對彩色紋理圖像的分割。與傳統(tǒng)圖像分割方法基于圖像的像素點(diǎn)對圖像進(jìn)行處理相比，本文提出的方法是基于圖像的區(qū)域相似度對圖像進(jìn)行處理，此方法可有效分割紋理圖像中感興趣的區(qū)域。該模型不僅包含非局部梯度項(xiàng)，同時(shí)加入新的梯度項(xiàng)來加快運(yùn)行速度，為提高模型的運(yùn)算效率，本文運(yùn)用Split-Bregman算法。最后實(shí)驗(yàn)