專利名稱：一種紋理圖像的分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機(jī)圖像處理領(lǐng)域，特別涉及一種紋理圖像的分割方法。
背景技術(shù)：
圖像分割是圖像分析的重要過 程，圖像分割一般認(rèn)為是分割圖像并找出圖像中不同的物體以找到ー種我們感興趣的圖像數(shù)據(jù)的緊湊描述。而傳統(tǒng)的圖像分割技術(shù)對紋理圖像中的噪聲敏感，易造成過分割現(xiàn)象。紋理作為圖像的ー個重要特征，在計算機(jī)視覺和圖像處理中有重要應(yīng)用例如醫(yī)學(xué)早期的癌細(xì)胞識別診斷遙感圖像中對軍事及民用目標(biāo)的識別。對目前紋理圖像的分割分為三大類統(tǒng)計法，結(jié)構(gòu)法和時域/頻域方法。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是，提供一種計算速度快、圖像分割準(zhǔn)確的紋理圖像分割方法。為便于理解，下文首先對本發(fā)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(fā)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(qū)域的特性得到特征圖像，通過主成分分析等手段降低數(shù)據(jù)量再通過mean shift算法(中文名為均值漂移算法)對特征向量進(jìn)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(jī)視覺和圖像處理領(lǐng)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(yīng)是高斯包絡(luò)的復(fù)數(shù)正弦函數(shù)。Jones和Palmer (1987)指出復(fù)高斯函數(shù)與貓的視覺接受場函數(shù)相似，所以通過對生物視覺的分析對Gabor濾波器的參數(shù)選擇具有啟發(fā)性。mean shift這個概念最早是由Fukunaga等人在ー篇關(guān)于概率密度梯度函數(shù)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是ー個名詞，它指代的是ー個向量，但隨著Mean Shift理論的發(fā)展，mean shift的含義也發(fā)生了變化，如果我們說mean shift算法，一般是指ー個迭代的步驟，即先算出當(dāng)前點(diǎn)的偏移均值，移動該點(diǎn)到其偏移均值，然后以此為新的起始點(diǎn)，繼續(xù)移動，直到滿足一定的條件結(jié)束。與其他常用的聚類算法相比本算法能自動確定聚類數(shù)目，廣泛用在圖像分割，圖像跟蹤等領(lǐng)域。然而對某些紋理豐富的圖像直接使用mean shift算法容易導(dǎo)致過分割的現(xiàn)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(jìn)行聚類，有效抑制了過分現(xiàn)象，并完成圖像的自動分割。本發(fā)明采用以下技術(shù)手段解決所述技術(shù)問題ー種紋理圖像分割方法，包括以下步驟I)對輸入的圖像I (X，y)做傅里葉變換，得到圖像的頻率域數(shù)據(jù)；2)根據(jù)預(yù)定的旋轉(zhuǎn)方向和濾波器頻段構(gòu)造ー組Gabor濾波器
{Hk(x, y) I k=l. . . N}，其中，Hk表示這組濾波器中第K個濾波器的核函數(shù)，N為濾波器的個數(shù)；3)在頻率域使用所述Gabor濾波器對圖像濾波，得到ー組濾波結(jié)果{I' ,(\7)|1^1... ，其中，1' k(x，y)表示第k個濾波器對圖像濾波的結(jié)果，k為濾波器個數(shù)，X、y為像素坐標(biāo)；4)對濾波結(jié)果Γ k(x，y)進(jìn)行特征抽取，抽取的特征包括紋理的能量Ed(X，y)、反向灰度值Md(X，y)和方向灰度方差Vd(x, y),從而得到各頻段和方向下的特征向量fk(x, y) = [Ed (x, y), Md (x, y), Vd(x, y)] k=l.. N，其中，fk (x, y)為行向量，x, y 是對應(yīng)圖像中的像素坐標(biāo)；5)使用meanshift算法對步驟4)得到的特征向量進(jìn)行聚類，完成圖像分割。優(yōu)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(jìn)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(jìn)行聚類完成圖像分割。所述預(yù)定的旋轉(zhuǎn)方向?yàn)?° ,45°，90°和135°，所述Gabor濾波器的頻程為Γ2,分為5個頻段，其中，中頻段的中心頻率取O. 25。所述步驟4)中，
權(quán)利要求
1.一種紋理圖像分割方法，其特征在于，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(shù)據(jù)； 2)根據(jù)預(yù)定的旋轉(zhuǎn)方向和濾波器頻段構(gòu)造一組Gabor濾波器 {Hk (x, y) I k=l. . . N}，其中，Hk表示這組濾波器中第K個濾波器的核函數(shù)，N為濾波器的個數(shù)； 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(jié)果{I' ,(\7)|1^1... ，其中，1' k(x，y)表示第k個濾波器對圖像濾波的結(jié)果，k為濾波器個數(shù)，X、y為像素坐標(biāo)； 4)對濾波結(jié)果Γk(x, y)進(jìn)行特征抽取，抽取的特征包括紋理的能量^(1，7)、反向灰度值Md(x, y)和方向灰度方差Vd(x, y),從而得到各頻段和方向下的特征向量fk(x, y) = [Ed(x, y), Md(x, y), Vd(x, y)] k=l. · N,其中，fk(x, y)為行向量，x, y 是對應(yīng)圖像中的像素坐標(biāo)； 5)使用meanshift算法對步驟4)得到的特征向量進(jìn)行聚類，完成圖像分割。
2.根據(jù)權(quán)利要求I所述的紋理圖像分割方法，其特征在于所述步驟5)包括以下步驟使用PCA算法對所述步驟4)得到的特征向量進(jìn)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(jìn)行聚類完成圖像分割。
3.根據(jù)權(quán)利要求I所述的紋理圖像分割方法，其特征在于所述預(yù)定的旋轉(zhuǎn)方向?yàn)镺。，45。，90。和135。，所述Gabor濾波器的頻程取為廣2，。
4.根據(jù)權(quán)利要求I所述的紋理圖像分割方法，其特征在于所述步驟4)中， 其中，Ω為中心位于(x，y)大小為WxXWy的矩形窗口，其中，Wx=Wy e {3，5，7，9}。
5.根據(jù)權(quán)利要求1、2、3或4所述的紋理圖像分割方法，其特征在于所述Gabor濾波器使用5個頻段，中頻段的濾波器中心頻率選擇為O. 25。
6.根據(jù)權(quán)利要求1、2、3或4所述的紋理圖像分割方法，其特征在于所述步驟3)包括以下步驟3. I)將步驟I)所得到的頻率域數(shù)據(jù)與步驟2)中構(gòu)造的濾波器組分別相乘后得到濾波后的一組數(shù)據(jù){Ik(x, y) |k=l... N} ;3.2)對{Ik(x, y) k=l... N}取傅里葉反變換，得到一組經(jīng)過濾波的圖像{Γ k(x，y) |k=l...N}。
全文摘要
本發(fā)明公開了一種紋理圖像分割方法，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(qū)域的特性得到特征圖像，通過主成分分析等手段降低數(shù)據(jù)量再通過mean shift算法(中文名為均值漂移算法)對特征向量進(jìn)行聚類,從而完成較可靠的紋理圖像分割。本發(fā)明相對于現(xiàn)有技術(shù)，圖像分割可靠性高，人機(jī)交互少的有益效果。
文檔編號G06T7/00GK102819840SQ20121025965
公開日2012年12月12日 申請日期2012年7月25日 優(yōu)先權(quán)日2012年7月25日
發(fā)明者王好謙, 張新, 戴瓊海 申請人:清華大學(xué)深圳研究生院