[发明专利]基于纹理特征空间L0优化的图像分割方法

说明书

技术领域

本发明属于图像处理相关的多媒体技术领域，特别是涉及基于纹理特征空间L₀优化的图像分割方法。

背景技术

近年来，随着计算机技术的发展和其应用的推进，尤其是Internet和多媒体网络的飞速发展，图像数据的海量式增长和广泛应用，图像分析、图像分类、图像检索变得迫切的需要。

图像特征提取是图像识别的关键步骤。可以说图像特征提取的效果好坏直接决定了图像识别的最终效果。目前，从图像特征角度分类，图像模式识别大致可归纳为：1)颜色或灰度的统计特征；2)纹理、边缘特征；3)代数特征；4)变换系数特征或滤波器系数特征。这些特征中纹理是一种重要的视觉线索，是图像中普遍存在而又难以描述的特征。

目前在纹理分析领域，研究人员们提出了各种各样的分析方案。基于统计的分析方法、基于模型的分析方法、基于结构的分析方法和基于信号处理的分析方法。

基于信号处理的方法又称为基于变换的方法，信号处理家族方法都有一个共同点，那就是基于信号处理的方法都是作用在某种特征变换、一系列的滤波器把时空中的纹理转到其他特征空间，然后在这些特征空间通过得到的结果提取我们的纹理信息，这种方法变化复杂，而且手段多种多样，是图像分割方法中的常青树，一直备受关注。

其中，Gabor滤波器的空域特征轮廓与人类视觉系统的初级视皮层简单细胞的感受野的轮廓有着先天性的相似度，因此Gabor滤波方法在纹理描述方法中是有着相当重要的地位。Gabor变换属于加窗口的傅立叶变换，Gabor函数可以在频域不同尺度、不同方向上提取相关的特征。Gabor滤波方法的主要思想是：不同纹理一般具有不同的中心频率及带宽，根据这些频率和带宽可以设计一组Gabor滤波器对纹理图像进行滤波，每个Gabor滤波器只允许与其频率相对应的纹理顺利通过，而使其他纹理的能量受到抑制，从各滤波器的输出结果中分析和提取纹理特征，用于之后的分类或者其他分割任务。

由于Gabor滤波每个通道是提取一个固定方向和固定频率的纹理，而现实中的纹理不可能是按照非常规律的排列出现，而且参数也不会正好取到了精确的方向和频率，所以最后对于一块纹理而言，最能与其匹配的通道滤波结果也会产生很多噪音。

为了降低噪音给后续操作带来的干扰问题，通常采用Gaussian滤波来降噪，但是对于每个通道来说，Gaussian滤波的方法不可避免的会模糊掉本来就不清楚的边缘，在这之后一般使用的方法是对每个点提取一个多通道的特征向量，通过对这些特征向量的分析从而得到分割结果。

由于采用Gaussian滤波的降噪阶段是单通道处理方式，很多最原始的信息在这一步被破坏了，即使改进后面的分割分析算法，也很难得到满意的分割结果了。

另一方面，采用Gaussian滤波及其后续复杂先进的分割分析算法，两阶段都是计算量很大的过程，这也使得实验室的算法很难被应用到工程领域当中，所以一直以来都急需一种简单快速高效的图像分割方法。这也一直是努力的方向。

发明内容

本发明针对现有技术的不足，提供了一种基于纹理特征空间L₀优化的图像分割方法。

本发明解决其技术问题所采用的技术方案如下：

1)对于输入图像I，我们首先使用一组Gabor滤波器来对图像进行滤波，Gabor滤波器的频率按照公式(1)确定:

                                                                                 (1) 其中L是图像高度和宽度中较小值，是向下取整函数。Gabor滤波器的方向按照公式(2)选取20个角度：

                                     (2)

我们用上述频率和方向进行组合，得到个Gabor滤波器，然后用这些滤波器对输入图像I进行滤波，得到个滤波响应图像,其中i,j分别表示所使用频率和方向的索引。