[发明专利]基于小波和均值漂移的自适应多尺度纹理图像分割方法

权利要求书

1. 一种基于小波和均值漂移的自适应多尺度纹理图像分割方法，其具体实现过程如下：

(1)、对图像进行特征提取：首先对图像进行四级正交小波变换，分别得到各级在不同尺度上的分组系数，每组系数包括低频和高频系数，然后对它们进行特征提取，再对最粗尺度特征执行步骤(2)，即把最粗尺度特征作为步骤(2)的输入特征；

(2)、对输入特征使用均值漂移算法进行无监督分割，并判断该输入特征是否为图像的最细尺度特征，若是则去除象素点个数少于区域大小阈值M的区域，输出最终分割结果，否则将其余的无监督分割结果输入步骤(3)；

(3)、对不同尺度特征间的信息进行传递：对送来的无监督分割结果进行标记，不同分割区域交界处的像素点标记为0，分割区域内部的像素点标记为1，得到无监督分割结果的标记图像，并把该标记图像扩展为原来的二倍；根据该标记图像在较细尺度上形成的新特征，并将其送入步骤(2)，再进行无监督分割，直至完全得到最终分割结果。

2. 根据权利要求1所述的一种基于小波和均值漂移的自适应多尺度纹理图像分割方法，所说的对输入特征使用均值漂移算法进行无监督分割，其方法如下：

令x_i和z_i分别表示输入特征和滤波后图像的象素，其中i＝1，...，n对每个象素进行如下操作：

(1)、初始化循环，循环次数j＝1，且漂移的位置为y_i，1＝x_i；

(2)、用下式计算y_j+1直至收敛到滤波后的位置y＝y_i，c

yj+1=Σi=1nxig(||x-xih||2)Σi=1ng(||x-xih||2)j=1,2,...]]>

(3)、令zi=(xis,yi,cr),]]>上标s和r分别表示向量的空间域和特征域信息；

(4)、把在特征域和空间域中与z_i距离分别小于特征域阈值h_s和空间域阈值h_r的点分为同一类；

(5)、当对最细尺度特征进行分割时，设定区域大小阈值M＝50，去除象素点个数少于M的类别。

3. 根据权利要求1所述的一种基于小波和均值漂移的自适应多尺度纹理图像分割方法，所说的对不同尺度特征间的信息进行传递，其方法如下：

(1)、搜索分割结果中每个像素的邻域，如果该像素与其邻域被分为同一类，那么就认为该像素属于纹理区域的内部并标记为1，否则认为该像素处于不同纹理区域的交界处，标记为0，这样就得到了分割结果的标记图像；

(2)、为了使标记图像能够和较细尺度的小波特征一一对应，把标记图像的长宽都扩展为原来的二倍，扩展前标记图像的每个元素都对应扩展后的四个元素，这样就实现了较细尺度特征和标记图像像素对应的效果；

若较细尺度特征对应标记图像中的1，则取该标记为1的区域均值作为新特征，而对应标记为0的特征保持不变，这样就产生了进行下一尺度分割所需的新特征。