一种基于Gabor变换的GrabCut纹理图像分割方法技术

本发明专利技术提供一种基于Gabor变换的GrabCut纹理图像分割方法，包括以下步骤：将二维图像通过Gabor小波变换到频域空间表示，计算频谱空间二维Gabor滤波器组的参数化变换，得到多尺度多方向的纹理特征，构建多尺度纹理能量泛函，计算纹理特征的GMM概率分布模型，将纹理特征的GMM带入GrabCut进行图像分割。按照本发明专利技术的基于Gabor变换的GrabCut纹理图像分割方法具有人工交互简洁，处理速度快，图像分割效果好等特点。

A GrabCut texture image segmentation method based on Gabor transform

The invention provides a GrabCut texture image segmentation method based on Gabor transform, which comprises the following steps: a two-dimensional image by Gabor wavelet transform to the frequency domain representation of space, space frequency spectrum calculation of 2D Gabor filter group parametric transform, texture feature of multi-scale and multi direction, multi scale texture energy functional model probability distribution calculation GMM texture feature, texture feature of GMM into GrabCut image segmentation. The GrabCut texture image segmentation method based on the Gabor transform has the characteristics of simple manual interaction, fast processing speed and good image segmentation effect.

【技术实现步骤摘要】
一种基于Gabor变换的GrabCut纹理图像分割方法
本专利技术涉及数字图像处理的
，特别是一种基于Gabor变换的GrabCut纹理图像分割方法。
技术介绍
纹理图像在自然图像中占有很大的比例，现实世界的多样性与复杂性，导致纹理图像的随机性与多样性。传统基于颜色的特征描述方式，由于缺乏尺度与方向描述能力，使得同一幅图像中不同尺度和方向的纹理对象，运用颜色特征对其描述显得无能为力。公开号为CN101493932A的专利文件公开了一种基于形态Haar小波纹理梯度提取的分水岭纹理图像分割方法，该方法的具体实施步骤为：(1)对原始纹理图像用形态Haar小波变换提取器纹理梯度图TG；(2)将源图像顺时针旋转90度后用形态Haar小波提取其纹理梯度图RTG；(3)将纹理梯度图RTG和纹理梯度图TG做旋转加权得到纹理梯度图G；(4)对纹理梯度图G做形态滤波，得到平滑后的纹理梯度图OCG；(5)对纹理梯度图OCG进行标记分水岭分割，得到最终的纹理分割结果。该方法步骤繁琐，处理速度慢，需要付出大量的时间和精力。Gabor小波可以近似模仿人眼的视觉识别机制，能够实现多尺度多方向描述的能力。小波分析是近几年得到迅速发展的应用数学理论，由于具有良好的时域局部化特征、尺度变化特征和方向特征，在图像处理、计算机视觉等领域有着广泛的应用，对其研究具有理论价值和现实意义。纹理描述方法主要有4类:统计法、结构法、模型法和频谱法。统计法通过图像灰度直方图的高阶矩描述纹理基元或局部模式的灰度空间分布情况，进而刻画纹理信息的粗细度、均匀性、方向性等纹理信息，典型的有Haralikc等提出的灰度共生矩阵法。结构法将纹理描述为一组纹理基元并按照某种位置规则进行重复排列和组合，典型的有Shapiro等提出的Voronoi多边形纹理分析方法。模型法假设纹理满足某种经验模型分布，并通过求解模型参数估计每个像素与其邻域像素概率统计关系，以提取纹理特征信息。1979，年Yokoyama等提出了马尔科夫随机场(MRF)模型，将纹理看作一个随机的二维图像场，并假设某一点取值与周围像素取值多少有关，而这种假设通过局部特征分布很难得到全局联合分布。Graphcut则是基于MRF能量最小化框架兴起的一个研究热点，该方法的新颖之处在于它能够进行全局最优求解。Graphcut因其自身的优势，引起了许多研究者的关注。在此基础上，Mao等提出了一种旋转无关的自回归纹理模型，该纹理与图像的旋转无关。频谱法基于滤波器理论，利用频谱中的高能窄脉冲的分布描述纹理中的全局周期性质。1989，年Mallat首先提出小波变换方法，随后基于小波变换的各种提取纹理特征频谱方法相继出现，典型的有傅立叶变换法、Gabor变换法和小波变换法。Rother等以Graphcut为基础，提出了GrabCut。GrabCut是对Graphcut的改进和扩展，是目前图像分割领域得到成熟应用的代表之一。视觉研究表明，人在分辨纹理特征时，是通过对图像进行频谱分析，进而得到一些称为纹理基元的局部特征差异实现的。基于频谱纹理分析的方法正是将信号转换到时频空间，这种纹理分析更加符合人对纹理信号的心理感知过程。
技术实现思路
为了上述的技术问题，本专利技术针对纹理图像的随机性和多样性，找到一种基于GobarCut变换的纹理提取方法，借助Gabor小波描述纹理特征，将Gabor小波应用于纹理图像，并计算其GMM，最后引入到GrabCut图割模型中，提出一种准确性和鲁棒性都很好的半交互式图像分割算法，实现对纹理图像的精确分割。本专利技术的第一方面提供一种基于Gabor变换的GrabCut纹理图像分割方法，包括以下步骤：步骤1：将二维图像通过Gabor小波变换到频域空间表示；步骤2：计算频谱空间二维Gabor滤波器组的参数化变换，得到多尺度多方向的纹理特征；步骤3：构建多尺度纹理能量泛函；步骤4：计算纹理特征的GMM概率分布模型；步骤5：将纹理特征的GMM带入GrabCut进行图像分割。优选的是，通过将图像变换到频域空间表示，计算得到一幅离散二维图像的所述多尺度多方向的纹理特征。在上述任一方案中优选的是，所述Gabor函数其定义如下式所示：其中：σx，σy分别是沿x方向和y方向对应Gabor函数的缩放系数，将G(x，y)作为Gabor小波变换的母函数。在上述任一方案中优选的是，通过适当旋转和缩放，得到一组形状相似、方向和尺度具有差异的滤波器组。在上述任一方案中优选的是，通过对图像空间进行缩放与旋转变化得到多尺度多方向的Gabor滤波器组，即Gs，θ(x，y)＝a-sG(x′，y′)x′＝a-s(xcosθ+ysinθ)y′＝a-s(ycosθ-xsinθ)其中；s为尺度，0≤s≤S-1，S为总尺度数；θ为方向角，0≤θ＝kπ/M，k＝0，1，…，M-1，M为总方向数。在上述任一方案中优选的是，对原始图像空间的采样点进行所述多尺度的Gabor变换，结合频谱空间的二维Gabor滤波器组变换，求取采样点在频谱空间的多尺度多方向的参数化特征。在上述任一方案中优选的是，通过对所述Gabor函数进行变换，将所述Gabor函数转换到频谱空间，得到一个包含多方向多尺度的所述滤波器组。在上述任一方案中优选的是，在频率空间对相关参数进行转化计算。对所述二维Gabor小波进行如下变换：其中：上一步骤中缩放系数其中Uh、Ul分别为S的最高中心频率和最低中心频率值。在上述任一方案中优选的是，通过对所述Gabor函数的相关参数进一步计算得到：在上述任一方案中优选的是，通过多尺度多方向的频率滤波器对所述二维离散图像进行处理后，可以得到多尺度多方向的所述纹理特征。在上述任一方案中优选的是，用F(u，v)＝{f0，f1，...，fN-1}表示(u，v)点的所述Gabor纹理特征，N＝M×N，其中：M是方向数，S是尺度数。在上述任一方案中优选的是，在纹理图像分割过程中，需要对分割的前景目标区域与边缘进行限制，其能量泛函公式化表示如下：其中：p为多尺度变换后图像中的一点对应的纹理特征F；a、b为点邻接域r＝4，8，16的近邻区域；γ为前景和背景的分割标号，γ＝1表示前景，γ＝0表示背景；Nr为图像中所有邻接像素对所组成的集合。在上述任一方案中优选的是，所述∑p∈FDp(γ)为区域项，用于描述图像的区域信息，表示像素点隶属于前景或背景的相似度。在上述任一方案中优选的是，所述为边缘平滑项，用于评估邻接像素点a、b归属于不同标号集时的对边缘平滑程度产生的影响。在上述任一方案中优选的是，所述β为控制区域项与数据项之间的权重因子。在上述任一方案中优选的是，所述β值越大，分割的区域一致性越好，适合形状单一、区域集中的目标。在上述任一方案中优选的是，所述β值越小，适合局部细节可分性强、形状复杂且相对离散的目标。在上述任一方案中优选的是，利用多尺度特征刻画不同的图像目标，并对所述多尺度特征进行概率分布建模。在上述任一方案中优选的是，对于所述∑p∈FDp(γ)和所述采用GMM建模的方式来描述所述多尺度纹理特征的分布。在上述任一方案中优选的是，对所述∑p∈FDp(γ)进行GMM模具体实现如下式所示：其中：K是聚类的中心数；ρk是GMM的第k个高斯分量部分的权重。在上述任一本文档来自技高网...

【技术保护点】
一种基于Gabor变换的GrabCut纹理图像分割方法，包括以下步骤：步骤1：将二维图像通过Gabor小波变换到频域空间表示；步骤2：计算频谱空间二维Gabor滤波器组的参数化变换，得到多尺度多方向的纹理特征；步骤3：构建多尺度纹理能量泛函；步骤4：计算纹理特征的GMM概率分布模型；步骤5：将纹理特征的GMM带入GrabCut进行图像分割。

【技术特征摘要】
2016.09.23 CN 20161084681841.一种基于Gabor变换的GrabCut纹理图像分割方法，包括以下步骤：步骤1：将二维图像通过Gabor小波变换到频域空间表示；步骤2：计算频谱空间二维Gabor滤波器组的参数化变换，得到多尺度多方向的纹理特征；步骤3：构建多尺度纹理能量泛函；步骤4：计算纹理特征的GMM概率分布模型；步骤5：将纹理特征的GMM带入GrabCut进行图像分割。2.如权利要求1所述的基于Gabor变换的GrabCut纹理图像分割方法，其特征在于：通过将图像变换到频域空间表示，计算得到一幅离散二维图像的所述多尺度多方向的纹理特征。3.如权利要求1所述的基于Gabor变换的GrabCut纹理图像分割方法，其特征在于：所述Gabor函数其定义如下式所示：其中：σx，σy分别是沿x方向和y方向对应Gabor函数的缩放系数，将G(x，y)作为Gabor小波变换的母函数。4.如权利要求3所述的基于Gabor变换的GrabCut纹理图像分割方法，其特征在于：通过适当旋转和缩放，得到一组形状相似、方向和尺度具有差异的滤波器组。5.如权利要求4所述的基于Gabor变换的GrabCut纹理图像分割方法，其特征在于：通过对图像空间进行缩放与旋转变化得到多尺度多方向的Gabor滤波器组，即Gs，θ(x，y)＝a-sG(x′，y′)x′＝a-s(xcosθ+ysin...

【专利技术属性】
技术研发人员：袁家政，刘宏哲，谭智勇，
申请(专利权)人：北京联合大学，
类型：发明
国别省市：北京,11