论文部分内容阅读
纹理分割作为图像分割的一个重要研究方向,在目标识别、图像理解及计算机视觉研究中起着重要的作用。特征提取和特征分类是纹理分割的两个主要问题。本文以小波分析理论和聚类方法为主要工具,对纹理分割的这两个方面进行了深入研究。 (1)多分辨率多通道纹理特征提取方法的研究。首先介绍了基于金字塔小波变换提取纹理特征的方法,然后在分析金字塔小波变换和离散小波框架变换各自优缺点的基础上,提出了一种改进的离散小波变换提取纹理特征的方法。 (2)针对计算纹理特征时出现的边界效应这一问题,给出了一种基于四分法的纹理特征平滑算法,该算法使得纹理分割的精度得到一定程度的提高。 (3)针对如何降低 K 均值聚类算法所需的运行时间这一问题,首先引入了 k-d 树,然后提出了基于 k-d 树的滤波算法,最后将该算法用于纹理图像分割,并进行了计算机仿真研究。 (4) 模糊 C 均值聚类算法的关键问题之一就是聚类类数和初始聚类中心的确定。为解决这一问题,首先提出了基于均值偏移算法的类别估计,然后利用模糊 C均值算法和 Fisher判据所确定的同组相结合进行自下而上的多尺度纹理分割,获得了基于均值偏移算法的无监督纹理分割算法,最后进行了计算机仿真研究。