1、在論文的前兩章綜述了分形小波的理論和紋理圖像分割的研究情況。本文的主要工作就是基于分形小波的紋理圖像分割。下面對(duì)基于分形小波的紋理圖像分割作簡(jiǎn)要介紹。該方法分為如下幾個(gè)步驟:首先使用變差函數(shù)確定用來(lái)計(jì)算特征向量的特征窗口的大小,并且對(duì)修正后的特征窗口歸整為分解窗口,再用分形小波對(duì)分解窗口進(jìn)行分解獲取紋理特征,在各紋理區(qū)域部分分別選取樣點(diǎn),然后在特征空間尋找各取樣點(diǎn)的匹配點(diǎn),對(duì)各種匹配點(diǎn)進(jìn)行連通,得到各種紋理對(duì)應(yīng)的連通區(qū)域,再把各紋理的連

2、通區(qū)域重合,以重合部分和空隙部分為粗邊緣,最后對(duì)粗邊緣細(xì)化,獲取比較精確的分割。區(qū)域化變量是既有隨機(jī)性又有結(jié)構(gòu)性的變量,區(qū)域化變量Z(x)在h方向上的變差函數(shù):r(x,h)=(1/2)E[Z(x)-Z(x+h)]2-(1/2){E[Z(x)]-E[Z(x+h)]}2,區(qū)域化變量Z(x)在整個(gè)區(qū)域滿足本征假設(shè)(即E[Z(x)]常數(shù)),變差函數(shù)有如下形式:r(x,h)=(1/2)E[Z(x)-Z(x+h)]2,分別尋找水平和垂直變差函數(shù)曲線

3、的第一個(gè)極小值點(diǎn)位置,對(duì)這些位置值修正作為特征窗口的寬和高。然后把特征窗口劃分成一定大小的小塊,以每塊的灰度平均值為分解窗口的參量?；诜中涡〔ǖ奶卣魈崛?。假定有特征窗口歸整后的分解窗口為,則分形多小波分解的低通和高通濾波器矩陣分別為:水平方向:垂直方向:該分形小波濾波器矩陣有明確的物理意義。通常,計(jì)算特征的點(diǎn)為(x,y),所用計(jì)算特征的區(qū)域是以(x,y)為中心的區(qū)域,這時(shí)得到的分割分辨率是以為單位的。為了得到比較精確的邊界,我們選取的

4、計(jì)算特征的區(qū)域不是以(x,y)為中心的區(qū)域,而是以(x,y)為左上頂點(diǎn)、右上頂點(diǎn)、右下頂點(diǎn)和左下頂點(diǎn)的四個(gè)特征窗口,M和N為由變差函數(shù)確定而修正的特征窗口的寬和高。用分形小波對(duì)歸整后的分解窗口進(jìn)行兩個(gè)尺度下的分解,獲取兩個(gè)尺度下的小波系數(shù),以這些分解系數(shù)作為特征點(diǎn)(x,y)的特征向量。在特征空間中某一紋理區(qū)域隨機(jī)的選一點(diǎn)作為取樣點(diǎn)。為了能獲得更多的匹配點(diǎn),除了如上述選取的取樣點(diǎn)外,還以一定間隔在取樣點(diǎn)的上、下、左、右方向選特征點(diǎn)作為取樣

5、點(diǎn)。在特征空間選定取樣點(diǎn)后,就到此特征空間中尋找與此取樣點(diǎn)相同或相近的特征點(diǎn),此尋找過(guò)程稱為匹配過(guò)程,與取樣點(diǎn)的加權(quán)歐氏距離小于閾值的特征點(diǎn)為匹配點(diǎn)。匹配點(diǎn)密集的出現(xiàn)在選取取樣點(diǎn)的紋理區(qū)域,而其他紋理區(qū)域出現(xiàn)的較少。分別采用兩種匹配點(diǎn)的連＜WP=3＞通方式:網(wǎng)格連通和極小值濾波模板連通。網(wǎng)格連通,是把整個(gè)圖像區(qū)域劃分為互不交疊的大小為的網(wǎng)格,然后統(tǒng)計(jì)每一網(wǎng)格的匹配點(diǎn)數(shù),匹配點(diǎn)數(shù)大于閾值的網(wǎng)格就是要找的目標(biāo)紋理區(qū)域網(wǎng)格,然后根據(jù)連通網(wǎng)格數(shù)

6、目去除虛假紋理區(qū)域。極小值濾波模板連通,則是以大小的濾波模板在整個(gè)圖像中移動(dòng),求取模板內(nèi)極小值為濾波輸出(在進(jìn)行匹配點(diǎn)重合時(shí),把匹配點(diǎn)的值設(shè)為0),取閾值得到目標(biāo)紋理區(qū)域,計(jì)算各連通塊的像素點(diǎn)數(shù)目,清除虛假紋理區(qū)域。對(duì)各種紋理區(qū)域的匹配點(diǎn)連通成各種紋理連通區(qū)域圖后,就把各連通區(qū)域圖重合,把各連通區(qū)域圖的交疊部分和間隙部分作為各種紋理區(qū)域的粗邊緣,然后對(duì)粗邊緣細(xì)化獲得較為精確的細(xì)邊緣。以粗邊緣的中線作為細(xì)邊緣。實(shí)驗(yàn)結(jié)果表明基于分形小波的紋