圖像結構、紋理和偏場協(xié)同分解方法的研究.pdf

1、圖像分解在計算機視覺領域中一直是一個被廣泛關注的問題，該問題的研究目標是將一幅圖像分解成若干個不同的分量，從而實現(xiàn)原圖像中的主要結構與紋理細節(jié)等信息的分離。解決這一問題，對計算機視覺和醫(yī)學圖像等領域的許多工作具有重要意義。然而，一方面，現(xiàn)存的經典圖像分解方法大多缺少相應的函數(shù)來定義某些復雜的結構特征，如經典的雙邊濾波(BF)和雙邊紋理濾波(BTF)缺少定義視網膜圖像血管結構特征的函數(shù)。另一方面，這些方法忽視了圖像中常見的偏場信息對圖像造

2、成的影響，分解出的信息常受到偏場的干擾而嚴重丟失。針對這些問題，本文提出了圖像結構、紋理和偏場協(xié)同分解的模型，并基于圖像管狀結構、紋理的分解以及對圖像偏場的估計提出了圖像協(xié)同分解的方法。該方法能夠在分解圖像中復雜的管狀結構與紋理細節(jié)的同時不受偏場信息的影響。具體地，本文提出了一個最優(yōu)線性擴散函數(shù)(OLSF)空間核算子來提取管狀結構的特征，然后將其與BTF中的紋理分解算子Patch-shift(PS)融合，用于有效分解圖像中的管狀結構與紋

3、理。為了消除偏場信息的干擾，我們利用魯棒性較強的圖像梯度分布稀疏性來有效地估計圖像的偏場信息。具體來講，本文的研究和貢獻主要有以下幾點：
　　(1)提出了一個圖像管狀結構、細節(jié)分解方法，并將其成功地應用于眼底圖像的降噪任務。該方法利用OLSF有效地提取特殊管狀結構特征，例如局部血管的方向、尺度等等,然后利用這些特征區(qū)分血管結構信息和背景細節(jié)信息，最終在降低圖像中的噪聲的同時極大的保留血管結構。大量的手工圖像和視網膜圖像的實驗結果表

4、面，在保留對比度較低的細血管的效果上，該方法要優(yōu)于經典的BF方法。此外，該方法不僅為分解視網膜圖像中的血管結構提供了可行性，并且在其他包含小尺度的、低對比度的管狀結構的圖像上同樣有效，為下一步的管狀結構、紋理分解工作提供了基礎。
　　(2)提出了一個圖像管狀結構、紋理分解方法，能夠有效地分解圖像的管狀和紋理細節(jié)信息。該方法基于BF框架，融合了PS算子和提出的OLSF。其中，PS算子利用每個像素的局部統(tǒng)計特征來定義該像素的紋理特征，

5、具有很好的圖像的結構和紋理細節(jié)分解效果。大量的視網膜圖像和自然圖像的實驗結果表明，利用PS算子和OLSF定義BF的濾波核，能夠在消除紋理信息的同時有效地保護管狀結構，且其效果要優(yōu)于經典的BF和BTF圖像分解方法。
　　(3)提出了圖像結構、紋理和偏場協(xié)同分解的模型，并在圖像管狀結構、紋理分解的基礎上加入了圖像偏場的估計，提出了圖像協(xié)同分解模型的實現(xiàn)方法。本文利用了圖像梯度分布的稀疏性估計圖像偏場信息，同時結合管狀結構-紋理濾波分解