基于Gabor滤波器和活动轮廓线的双纹理图像分割

论文摘要

纹理是图像的一个重要特征，纹理图像在自然界是普遍存在的，由于纹理本身的多样性和复杂性，纹理特征提取的方法也多种多样。所以，关于纹理图像的分析与处理一直是图像处理技术的研究热点。纹理图像分割对于许多计算机视觉和图像处理的研究具有重要意义，在实际中也已经得到了广泛的应用，几乎出现在有关图像处理的所有领域，并涉及各种类型的图像。其应用从医学诊断中的癌细胞识别直到从遥感图片中识别多种有用的军事或民用目标等等。纹理分割，即把一幅纹理图像分割成不同的区域，使得每个区域具有单一的纹理，同时相邻区域的纹理不同。基于不同的纹理特征提取算法，纹理分割方法目前主要分为三大类：统计法、结构法和时域／频域方法。其中，时域／频域法是近10来年发展起来的新方法，由于它有许多优越性而受到人们的重视，发展非常迅速。这类方法最典型的形式是采用Gabor滤波器提取图像局部的各种特征信息，表示图像中不同纹理区域的特性；得到特征图像之后，纹理分割就转化为一般的图像分割。Kass等人提出的活动轮廓线模型，是目前被广泛研究和应用的一种图像分割方法，具有良好的边缘检测和抗噪声的性能，比传统的分割方法(阈值分割，边缘检测，区域增长等)有一定优势。本文着眼于双纹理图像分割，利用吴高洪、章毓晋等提出的最佳Gabor滤波器构造方法，结合Chart等提出的多通道活动轮廓线模型，提出一种基于Gabor和活动轮廓线的双纹理图像分割的新方法。实验证明，新方法充分利用两种纹理的特征，较好地弥补了原有方法对噪声敏感、鲁棒性不高以及边界定位不准的不足。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 图像分割及其应用
• 1.2 纹理的概念
• 1.3 纹理图像分割及其应用
• 1.4 纹理图像分割的方法分类
• 1.5 本文的主要工作
• 2 基于Gabor滤波器的纹理图像分割
• 2.1 Gabor滤波器的原理
• 2.2 Gabor滤波器的实现
• 2.3 Gabor滤波器的特性
• 2.4 Gabor滤波器在竹节纱检测上的应用
• 2.5 分割双纹理图像的最佳Gabor滤波器设计方法
• 2.5.1 方法概述
• 2.5.2 滤波器设计步骤
• 2.5.3 分割实验结果
• 3 活动轮廓线图像分割模型
• 3.1 基于变分的活动轮廓线模型（Snake模型）
• 3.1.1 Snake模型的原理
• 3.1.2 Snake模型的数学表述
• 3.1.3 Snake模型的缺点
• 3.2 基于水平集的活动轮廓线模型（Level Set模型）
• 3.2.1 曲线演化的理论
• 3.2.2 水平集方法
• 3.2.3 水平集方法的优点
• 3.2.4 几个Level Set模型
• 3.3 基于变分水平集的活动轮廓线模型
• 3.3.1 Mumford-Shah模型
• 3.3.2 基于Mumford-Shah模型的CV模型
• 3.3.3 CV模型求解（水平集方法）
• 3.3.4 解CV模型的数值算法及其过程
• 3.3.5 CV模型的优点
• 3.3.6 Multi-Channel-CV模型
• 4 基于Gabor与Multi-Channel-CV的纹理图像分割
• 4.1 Gabor滤波器选择
• 4.2 滤波后图像选择
• 4.3 Multi-Channel-CV模型分割
• 4.4 优缺点分析
• 4.5 改进方法
• 4.5.1 算法
• 4.5.2 对比实验
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢