本发明专利技术涉及图像处理领域，公开了一种基于三层FCM聚类的小波域多尺度非监督纹理分割方法。采用第一层FCM分别获取每一尺度上低频部分和高频部分的分割结果；计算每一分割结果的局部标记直方图，并将其作为特征向量进行第二层FCM聚类，从而获取每一尺度上的分割结果；从大尺度到小尺度逐尺度进行分割结果融合，即计算相邻尺度分割结果的局部标记直方图，根据小波变换的采样关系，将对应位置的标记直方图组织在一起形成新的特征向量进行第三层FCM聚类，从而获取每一尺度最终的分割结果。最细尺度的分割结果作为本算法最终的分割结果。本发明专利技术简单实用，可用于纹理影像和航拍图像的分割。
【技术实现步骤摘要】
本专利技术属于图像处理
，涉及一种图像分割方法，可用于纹理图像和航拍图像的分割。
技术介绍
计算机视频主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息，涉及图像处理、模式识别和图像理解。图像分割就是指把影像分成各具特性的区域并提取感兴趣目标的过程。图像分割是由图像处理到图像分析的关键步骤，也是一种基本的计算机视觉技术。这是因为图像的分割、目标的分离、特征的提取和参数的测量将原始图像转化为更为紧凑的形式，使得更高层次的分析和理解成为可能。然而，图像分割本身是一个病态问题，分割的目的是为了理解，但是理想的分割结果往往需要理解后的结果作为先验知识，这种病态性给问题的解决带来极大的困难，成为阻碍计算机视觉发展的一个主要瓶颈。但正因为图像分割是计算机视觉的一个基本问题，分割结果对系统的性能影响很大，因此图像分割始终是图像处理领域的一个研究热点。图像分割在诸如医学、安全、遥感和工业自动化等应用许多应用中，它都是具有关键作用的一种低层图像处理技术。但纹理图像分割依然存在很大的困难。目前来看，纹理分割算法主要分为基于特征的算法、基于模型的算法和基于结构的算法三种。基于特征的方法首先提取纹理特征，然后再进行纹理的分类与识别，最终结果的好坏主要取决于纹理特征的优劣。常见的纹理特征有灰度共生矩阵、纹理能量、Gabor特征、 多尺度多方向特征MPMS等。分割结果的好坏完全取决于纹理特征是否能准确描述纹理特性。基于模型的方法采用统计模型对纹理进行建模，并在贝叶斯框架下实现纹理分割，所采用模型是否能准确描述纹理的分布特性直接决定了分割结果的好坏，而且越复杂的模型实现起来越耗时。常见的统计模型有MRF、MRMRF, HMT, MSMRF等。基于结构的方法采用语法规则将纹理基元组织在一起描述纹理，分割结果的好坏受到基元定义和语法规则准确性的双重约束，因该方法不够灵活而在应用受到很大的限制。
技术实现思路
为了避免了复杂纹理模型或纹理特征的设计，本专利技术提出了一种基于三层FCM聚类的小波域多尺度非监督纹理分割方法，以得到较好的分割结果，并将其应用于纹理图像和航拍图像。FCM聚类算法，是Bezkek于1981年提出的一种模糊聚类算法，是一种逐步迭代的算法，本专利技术是基于三层FCM聚类的小波域多尺度大非监督纹理分割方法。实现本专利技术目的的技术方案是第一层FCM用于计算每一尺度上不同子带的分割结果；第二层FCM用以计算子带分割结果的融合结果；第三层FCM用以计算相邻尺度分割结果的融合结果。具体过程如下(1)输入待分割图像、给定图像的分类数N。和小波变换的最大尺度J ；(2)对图像进行J层小波变换。将三个高频子带系数矩阵对应位置的小波系数构成向量，作为该尺度高频部分的特征f°'’H ；低频部分的特征fM直接采用低频子带小波系数矩阵一 ％(3)采用第一层FCM分别对低频和高频部分的特征进行聚类，获取每一尺度上低频与高频部分的分割结果，分别记为seg〃和seg〃 ；(4)每一尺度上，采用第二层FCM对seg〃和seg〃进行融合，获取单尺度分割结果xJ;(5)从大尺度到小尺度采用第三层FCM进行尺度间分割结果融合，获取每一尺度的最终分割结果7。最高分辨率尺度上的分割结果7为该算法最终的分割结果。本专利技术与现有技术相比具有以下优点1、本专利技术设计了一个全新的纹理分割框架，它不需要设计复杂的纹理模型和纹理特征。基本的思路是融合不同尺度、不同频带上的纹理信息分割结构。2、本专利技术设计的纹理分割框架能够集成所有的聚类算法以及它们的组合，也可以方便地扩展到其它的多尺度空间中进行分析，具有较好的扩展性。3、仿真方法表明，本专利技术设计的方法对于纹理图像和遥感图像具有较好的分割结^ ο附图说明图1是本专利技术的流程示意2是本专利技术应用于合成纹理影像1的分割结果图3是本专利技术应用于合成纹理影像2的分割结果图4是本专利技术应用于航拍遥感图像1的分割结果图5是本专利技术应用于航拍遥感图像2的分割结果具体实施例方式下面通过具体实施例对本专利技术作进一步详细描述。参照图1，本专利技术的具体实现过程如下步骤一输入图像输入待分割图像、给定图像的分类数N。和小波变换的最大尺度Jo步骤二离散小波变换(DWT，discrete wavelet transform)对图像进行J层小波变换，每一尺度上包含一个低频子带小波系数矩阵一M和三个高频子带小波系数矩阵一 W’"1和一’将三个高频子带系数矩阵对应位置的小波系数构成向量，作为该尺度高频部分的特征f°’H ；低频部分的特征fM直接采用低频子带小波系数矩阵一具体为(2. 1)对输入图像进行J层小波变换；(2. 2)对每一尺度的低频和高频部分的特征分别按照如下形式构造低频特征和高频特征上取值；(3b2)迭代过程 更新聚类中心4.根据权利要求1所述的分割方法，其中步骤(4)按如下过程进行 (4a)在给定的窗口大小内，计算segP(b = L，H)的局部标记直方图fj’b 5.根据权利要求1所述的分割方法，其中步骤(5)按如下过程执行全文摘要本专利技术涉及图像处理领域，公开了一种基于三层FCM聚类的小波域多尺度非监督纹理分割方法。采用第一层FCM分别获取每一尺度上低频部分和高频部分的分割结果；计算每一分割结果的局部标记直方图，并将其作为特征向量进行第二层FCM聚类，从而获取每一尺度上的分割结果；从大尺度到小尺度逐尺度进行分割结果融合，即计算相邻尺度分割结果的局部标记直方图，根据小波变换的采样关系，将对应位置的标记直方图组织在一起形成新的特征向量进行第三层FCM聚类，从而获取每一尺度最终的分割结果。最细尺度的分割结果作为本算法最终的分割结果。本专利技术简单实用，可用于纹理影像和航拍图像的分割。文档编号G06T7/00GK102332163SQ201110324778公开日2012年1月25日 申请日期2011年10月24日 优先权日2011年10月24日专利技术者刘国英, 刘春意, 吴亮, 宋旭, 张长青, 王爱民, 葛文英 申请人:刘国英, 王爱民, 葛文英本文档来自技高网...
【技术保护点】
１．一种基于三层ＦＣＭ聚类的小波域多尺度非监督纹理分割方法，主要包括如下过程：（１）输入待分割图像、给定图像的分类数Ｎｃ和小波变换的最大尺度Ｊ；（２）对图像进行Ｊ层小波变换，每一尺度上包含一个低频子带小波系数矩阵ｗｊ，ＬＬ和三个高频子带小波系数矩阵ｗｊ，ＬＬ、ｗｊ，ＬＨ和ｗｊ，ＨＨ，将三个高频子带系数矩阵对应位置的小波系数构成向量，作为该尺度高频部分的特征ｆｊ，Ｈ；低频部分的特征ｆｊ，Ｌ直接采用低频子带小波系数矩阵ｗｊ，ＬＬ；（３）采用第一层ＦＣＭ分别对低频和高频部分的特征进行聚类，获取每一尺度上低频与高频部分的分割结果，分别记为ｓｅｇｊ，Ｌ和ｓｅｇｊ，Ｈ；（４）每一尺度上，采用第二层ＦＣＭ对ｓｅｇｊ，Ｌ和ｓｅｇｊ，Ｈ进行融合，获取单尺度分割结果ｘｊ；（５）从大尺度到小尺度采用第三层ＦＣＭ进行尺度间分割结果融合，获取每一尺度的最终分割结果 最高分辨率尺度上的分割结果 为该算法最终的分割结果。
【技术特征摘要】
【专利技术属性】
技术研发人员：刘国英，王爱民，葛文英，张长青，宋旭，吴亮，刘春意，
申请(专利权)人：刘国英，王爱民，葛文英，
类型：发明
国别省市：41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。