專利名稱：非下采樣Contourlet變換局部區域特征的圖像分割算法的制作方法
技術領域：
本發明涉及一種紋理圖像分割算法，尤其涉及一種局部區域特征的非下采樣Contourlet變換的圖像分割算法。
背景技術：
圖像分割在計算機視覺、物體識別等方面有著廣泛的應用，分割好壞對于其后的處理結果有著非常重要的影響。圖像的分割方法由于應用的不同方法也不同。近年來，隨著小波變換的流行，基于變換域的多尺度分割方法的應用越來越多。例如劉國英等人在文獻
I“基于小波域分層Markov模型的紋理分割”(武漢大學學報.信息科學版，2009，34(5))利用小波域分層Markov模型實現紋理圖像的分割。雖然小波變換能夠將圖像分解到不同的尺度和方向上，但二維小波的小波基支撐空間為正方形，只擁有水平、垂直、對角三個方向，方向數有限，導致方向選擇性差，而且不具有移不變、旋轉不變等特性，不能有效地捕捉輪廓信息，也不能夠很好地刻畫圖像的紋理特性，并且小波方法沒能考慮到圖像的空間位置信息。非下采樣Contourlet變換是近年發展起來的一種多尺度、多方向性的圖像表示方法，它在圖像融合、圖像去噪、物體識別等方面有著非常好的應用前景，多尺度的紋理分割效果也很好，王志國等人在文獻2 “基于非下采樣Contourlet和MRF的紋理圖像分割”(計算機應用與軟件，2009，26 (10))利用多尺度的基于非下采樣Contourlet提取紋理特征，并使用MRF最終實現紋理圖像的分割。但多尺度分割常常因為統計信息不充分而難以獲得準確的分割結果，尤其是局部統計信息不足，會導致最終分割結果難以形成大而一致的紋理區域。圖像局部標準差，也叫圖像局部標準差梯度，它反映了在一幅圖像當中局部區域對比度的變化，是窗口中全部像素點的共同貢獻。圖像灰度起伏較大的區域，出現圖像邊緣的幾率會增大，標準差也會相應的變大，相反，圖像灰度變化平緩的區域，標準差小，出現圖像邊緣的幾率小。孫偉等人在文獻3 “基于標準差梯度的模糊邊緣檢測算法”(紅外與激光工程，2005，34 (4))利用標準差算子實現紅外圖像的目標邊緣檢測。這種思想對于采用標準差進行圖像分割有很大的啟發。同時考慮到信號的小波變換極大值描述(圖像多尺度邊緣描述)是信號的一種穩定的精確描述，信號的小波變換極大值表不能夠以10-2級均方誤差近似地重構原信號，從圖像的多尺度便于可以得到視覺質量良好的原圖像的近似。尋找各個尺度下小波變換的局部極大等價于多尺度的canny邊緣檢測算子。局部極值可以很好的描述多尺度圖像的邊緣信息，而局部標準差可以反應圖像局部區域對比度情況，二者結合適合描述多尺度圖像特征。
發明內容
本發明的 目的是提供一種非下采樣Contourlet變換局部區域特征的圖像分割算法，該算法采用多尺度、多方向性的圖像表示方法非下采樣Contourlet變換對圖像進行變換，在各子帶空間提取局部區域特征后，使用聚類方法實現對特征向量的分類，并最終完成對紋理凸顯改的分割。算法同時兼顧了多尺度、多方向性的圖像空間位置信息，又兼顧了局部區域的統計信息，而且算法計算簡單，分割效果好。為了達到上述目的，本發明采用如下技術方案:非下采樣Contourlet變換局部區域特征的圖像分割算法,包括以下步驟:(I)對待分割圖像進行非下采樣Contourlet變換，得到低頻子帶和各高頻子帶；對子帶進行非線性變換、平滑操作，提取各子帶鄰域內的局部極大、局部極小和局部方差作為特征向量；(2)將提取的特征向量組成三維特征向量，對特征向量使用聚類方法實現紋理圖像的分割，并進行濾波去除小的噪點，得到最終的分割圖像，算法結束。算法所述(I)的各子帶鄰域內的特征提取方法按如下公式提取:假設x(i, j)為圖像中某點的灰度值，則以i，j為中心的(2n+l) X (2n+l)的鄰域D的極值點定義為f (i, j) = max (ormin) {f (x, y) | (x, y) e D},局部標準差的定義為
權利要求
1.非下采樣Contourlet變換局部區域特征的圖像分割算法,包括以下步驟: (1)對待分割圖像進行非下采樣Contourlet變換，得到低頻子帶和各高頻子帶；對各子帶進行非線性變換、平滑操作，提取各子帶鄰域內的局部極大、局部極小和局部方差作為特征向量； (2)將提取的特征向量組成三維特征向量，對特征向量使用聚類方法聚類從而實現紋理圖像的分割，并進行濾波去除小的噪點，得到最終的分割圖像，算法結束。
2.如權利要求1所述的非下采樣Contourlet變換局部區域特征的圖像分割算法，其特征在于，所述步驟(I)的各子帶鄰域內的特征提取方法按如下公式提取:假設X (i, j)為圖像中某點的灰度值，則以i，j為中心的(2n+l) X (2n+l)的鄰域D的極值點定義為
3.如權利要求1所述的非下采樣Contourlet變換局部區域特征的圖像分割算法,其特征在于，所述步驟(2)的提取的特征按照公式
全文摘要
非下采樣Contourlet變換局部區域特征的圖像分割算法包括以下步驟首先對圖像進行非下采樣Contourlet變換，然后利用局部極值和局部標準差對圖像邊緣的表示能力，在各個子帶提取局部標準差和局部極值作為特征向量，對特征向量使用FCM分類，從而實現對圖像的分割。本發明的方法能夠有效地對多類組合的紋理圖像進行分割，具有很高的分割效果，分割性能優越，算法即考慮到多尺度性的分割，有考慮到圖像局部區域統計特征，是一種有發展前途的圖像分割技術。
文檔編號G06T7/00GK103247052SQ201310181100
公開日2013年8月14日 申請日期2013年5月16日 優先權日2013年5月16日
發明者任洪娥, 王海豐 申請人:東北林業大學