CN103093465A - 基于纹理特征空间l0优化的图像分割方法 - Google Patents
基于纹理特征空间l0优化的图像分割方法 Download PDFInfo
- Publication number
- CN103093465A CN103093465A CN2013100188251A CN201310018825A CN103093465A CN 103093465 A CN103093465 A CN 103093465A CN 2013100188251 A CN2013100188251 A CN 2013100188251A CN 201310018825 A CN201310018825 A CN 201310018825A CN 103093465 A CN103093465 A CN 103093465A
- Authority
- CN
- China
- Prior art keywords
- image
- wave filter
- pixel
- gabor
- carry out
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于纹理特征空间L0优化的图像分割方法。它根据图像选取Gabor滤波器对其进行滤波,并根据平均梯度对滤波结果进行进一步筛选,最后通过L0对降维后的高维图像进行平滑进而实现纹理分割。本发明能够降低减少图像的噪声影响,从而取得更好的分割效果。
Description
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***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:
2)对于每幅响应图像,计算其平均梯度,然后从中选出平均梯度最小的8个,将其合并为一个高维图像H;H的每个像素H(x,y)由拼接而成。然后,用已有的PCA、流形学***滑技术对进行平滑,并通过阈值划分区域进行分割。
同传统的纹理分割方法如高斯滤波、聚类等相比,本发明方法更加具有鲁棒性,在识别率、边缘的稳定性与平滑性等方面有明显的提高,分割结果更加准确。
具体实施方式
在实施基于纹理特征空间L0优化的图像分割方法时,我们的操作是基于Gabor滤波侦测纹理后的结果来进行的,同时也采用了我们自适应的方式来设定Gabor滤波的频率和方向。下面描述都是针对灰度图像,如果输入图像是彩色图像,我们分别对R、G、B通道进行处理。
具体过程如下:
第一步,通过自适应的方式设定的Gabor滤波来侦测纹理,Gabor滤波器的公式表示如下:
第二步,对于上述滤波响应图像,我们统计其平均梯度,对于响应图像O其平均梯度为:
Claims (1)
1. 基于纹理特征空间L0优化的图像分割方法,其特征在于该方法包括如下步骤:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100188251A CN103093465A (zh) | 2013-01-18 | 2013-01-18 | 基于纹理特征空间l0优化的图像分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100188251A CN103093465A (zh) | 2013-01-18 | 2013-01-18 | 基于纹理特征空间l0优化的图像分割方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103093465A true CN103093465A (zh) | 2013-05-08 |
Family
ID=48205996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013100188251A Pending CN103093465A (zh) | 2013-01-18 | 2013-01-18 | 基于纹理特征空间l0优化的图像分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103093465A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101425182A (zh) * | 2008-11-28 | 2009-05-06 | 华中科技大学 | 一种图像对象分割方法 |
CN102819840A (zh) * | 2012-07-25 | 2012-12-12 | 清华大学深圳研究生院 | 一种纹理图像的分割方法 |
-
2013
- 2013-01-18 CN CN2013100188251A patent/CN103093465A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101425182A (zh) * | 2008-11-28 | 2009-05-06 | 华中科技大学 | 一种图像对象分割方法 |
CN102819840A (zh) * | 2012-07-25 | 2012-12-12 | 清华大学深圳研究生院 | 一种纹理图像的分割方法 |
Non-Patent Citations (3)
Title |
---|
ANIL K.JAIN ET AL: "《Unsupervised Texture Segmentation Using Gabor Filters》", 《IEEE INTERNATIONAL CONFERENCE ON SYSTEMS,MAN AND CYBERNETICS》 * |
DENNIS DUNN ET AL: "《Optical Gabor Filters for Texture Segmentation》", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
LI XU ET AL: "《Image Smoothing via L0 Gradient Minimization》", 《PROCEEDING OF THE 2011 SIGGRAPH ASIA》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107564025B (zh) | 一种基于深度神经网络的电力设备红外图像语义分割方法 | |
CN106682108B (zh) | 一种基于多模态卷积神经网络的视频检索方法 | |
CN102722891B (zh) | 一种图像显著度检测的方法 | |
CN101520894B (zh) | 基于区域显著性的显著对象提取方法 | |
CN110837768B (zh) | 一种面向珍稀动物保护的在线检测与识别方法 | |
CN107239759B (zh) | 一种基于深度特征的高空间分辨率遥感图像迁移学习方法 | |
CN104268593A (zh) | 一种小样本情况下多稀疏表示的人脸识别方法 | |
CN105528794A (zh) | 基于混合高斯模型与超像素分割的运动目标检测方法 | |
CN107092884B (zh) | 一种快速粗精级联行人检测方法 | |
CN101551853A (zh) | 复杂静态彩色背景下的人耳检测方法 | |
CN110503613A (zh) | 基于级联空洞卷积神经网络的面向单幅图像去雨方法 | |
CN103440035A (zh) | 一种三维空间中的手势识别***及其识别方法 | |
CN111339924B (zh) | 一种基于超像素和全卷积网络的极化sar图像分类方法 | |
CN103198479A (zh) | 基于语义信息分类的sar图像分割方法 | |
Trivedi et al. | Automatic segmentation of plant leaves disease using min-max hue histogram and k-mean clustering | |
CN104616026A (zh) | 一种面向智能视频监控的监控场景类型辨识方法 | |
CN103761727A (zh) | 基于自适应高斯混合模型的鲁棒图像分割方法 | |
CN106373096A (zh) | 一种多特征权值自适应的阴影消除方法 | |
CN104050677A (zh) | 一种基于多层神经网络的超光谱图像分割方法 | |
CN104966054A (zh) | 无人机可见光图像中的弱小目标检测方法 | |
CN103870820A (zh) | 极端光照人脸识别的光照归一化方法 | |
CN104835142B (zh) | 一种基于纹理特征的车辆排队长度检测方法 | |
Zhang et al. | An improved watershed algorithm for color image segmentation | |
CN106940904A (zh) | 基于人脸识别和语音识别的考勤*** | |
CN111241979B (zh) | 一种基于图像特征标定的实时障碍物检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130508 |