基于Contourlet变换的图像智能分割方法研究
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
关 键 词 ：Ｃｏｎｔｏｕｒｌｅｔ变 换 ； 图 像 智 能 ； 智 能 分 割 方 法
犚犲狊犲犪狉犮犺狅狀犐犿犪犵犲犛犲犵犿犲狀狋犪狋犻狅狀犅犪狊犲犱狅狀犆狅狀狋狅狌狉犾犲狋犜狉犪狀狊犳狅狉犿
Ｌｉｕ Ｈａｉ
（ＤｅｐａｒｔｍｅｎｔｏｆＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｄｏｎｇ ＵｎｉｖｅｒｓｉｔｙｏｆＩｎｄｕｓｔｒｉａｌ ＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｚｈｕｈａｉ ５１９０９０，Ｃｈｉｎａ）
· ２０２ ·
计算 机 测 量 与 控 制 ．２０１８．２６（１） 犆狅犿狆狌狋犲狉 犕犲犪狊狌狉犲犿犲狀狋 牔 犆狅狀狋狉狅犾
设计与应用
Hale Waihona Puke Baidu
文章编号：１６７１ ４５９８（２０１８）０１ ０２０２ ０４ ＤＯＩ：１０．１６５２６／ｊ．ｃｎｋｉ．１１－４７６２／ｔｐ．２０１８．０１．０５０ 中图分类号：ＴＰ３９１．４１ 文献标识码：Ａ
犃犫狊狋狉犪犮狋：Ｄｕｅｔｏｔｈｅｄｉｆｆｅｒｅｎｔｉｍａｇｅｓｏｆｔｈｅｅｑｕｉｐｍｅｎｔ，ｔｈｅｑｕａｌｉｔｙａｎｄｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅｉｍａｇｅｓｔａｋｅｎｂｙｄｉｆｆｅｒｅｎｔｄｅｖｉｃｅｓａｒｅ ｑｕｉｔｅｄｉｆｆｅｒｅｎｔ．Ｔｈｅｃｕｒｒｅｎｔｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄｉｓｓｅｎｓｉｔｉｖｅｔｏｎｏｉｓｅ，ａｎｄｔｈｅｓｅｇｍｅｎｔｅｄｉｍａｇｅｒｅｓｕｌｔｓａｒｅｐｒｏｎｅｔｏｏｖｅｒ－ｓｅｇｍｅｎｔａ ｔｉｏｎａｎｄｓｉｎｇｕｌａｒｄｉｆｆｕｓｉｏｎ．Ｉｎｔｈｉｓｐａｐｅｒ，ａｎｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎＣｏｎｔｏｕｒｌｅｔｔｒａｎｓｆｏｒｍｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅｍｅｔｈｏｄｕｓｅｓｔｈｅｄｉ ｒｅｃｔｉｏｎｆｉｌｔｅｒｂａｎｋｔｏｒｅａｌｉｚｅｔｈｅｔｅｘｔｕｒｅｓｅｐａｒａｔｉｏｎｉｎｅａｃｈｄｉｒｅｃｔｉｏｎｏｆｔｈｅｉｍａｇｅ，ａｎｄｓｕｂｓｔｉｔｕｔｅｓｔｈｅＬａｐｌａｃｅｔｒａｎｓｆｏｒｍ ｗｉｔｈｔｈｅｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍｔｏｃａｒｒｙｏｎｔｈｅｍｕｌｔｉ－ｓｃａｌｅｓｕｂ－ｂａｎｄｄｅｃｏｍｐｏｓｉｔｉｏｎｏｆｔｈｅｉｍａｇｅ，ｃａｌｃｕｌａｔｅｓｔｈｅｉｍａｇｅｍｕｌｔｉ－ｓｃａｌｅｌｉｋｅｌｉｈｏｏｄｆｕｎｃｔｉｏｎ，ａｎｄａｃ ｃｏｒｄｉｎｇｔｏｔｈｅｉｍａｇｅｍａｘｉｍｕｍｌｉｋｅｌｉｈｏｏｄｆｕｎｃｔｉｏｎｅｓｔｉｍａｔｉｏｎｃｒｉｔｅｒｉｏｎｔｈｅｉｎｉｔｉａｌｓｅｇｍｅｎｔａｔｉｏｎｏｆｔｈｅｉｍａｇｅｉｓｏｂｔａｉｎｅｄ．Ｏｎｔｈｉｓｂａｓｉｓ，ｔｈｅａ ｄａｐｔｉｖｅｃｏｎｔｅｘｔｓｔｒｕｃｔｕｒｅｉｓｕｓｅｄｔｏｆｕｓｅｆｒｏｍｔｈｅｒｏｕｇｈｎｅｓｓｏｆｔｈｅｉｍａｇｅｔｏｔｈｅｆｉｎｅｓｔｄｉｍｅｎｓｉｏｎｔｏｏｂｔａｉｎｔｈｅｆｉｎａｌｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｒｅｓｕｌｔ． Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｃａｎｅｆｆｅｃｔｉｖｅｌｙｅｌｉｍｉｎａｔｅｔｈｅｉｎｆｌｕｅｎｃｅｏｆｎｏｉｓｅｏｎｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎａｎｄａｃｈｉｅｖｅｓ ｈｉｇｈｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎａｃｃｕｒａｃｙ．
目前，可扩展性 较 强 的 图 像 分 割 方 法 有： 文 献 ［８］ 提 出 一种基于马尔科夫随机场的图像智能分割方法。该方法先采用
收稿日期：２０１７ ０６ ２８； 修回日期：２０１７ ０７ ３１。 基 金 项 目 ：广 东 省 高 职 教 育 品 牌 专 业 （２０１６ｇｚｐｐ００７）。 作者简 介：刘 海 （１９７４ ），男，江 西 吉 安 人，硕 士 研 究 生，副 教 授， 主 要 从 事 软 件 技 术 、图 像 处 理 、机 器 学 习 方 向 的 研 究 。
基于 犆狅狀狋狅狌狉犾犲狋变换的图像智能分割方法研究
刘 海
（广东科学技术职业学院 软件学院，广东 珠海 ５１９０９０）
摘要：由于获取图像的设备不同，不同设备所拍摄图像的质量、空间分布特性差异较大；采用当前图像分割方法对图像噪声进行分 割时，容易产生过分割和奇异扩散现象；为此，提出一种基于 Ｃｏｎｔｏｕｒｌｅｔ变换的 图 像 智 能 分 割 方 法； 该 方 法 先 采 用 方 向 滤 波 器 组 实 现 图 像各个方向纹理分离，利用小波变换替换拉普拉斯变换进行图像多个方向子带分解，计算图像多尺度似然函数，并依据图像最大似然函 数估计准则获得图像的初始分割，在此基础上采用自适应上下文结构从图像粗尺度的分割结果融合至最细尺度，获得最终的图像智能分 割结果；仿真实验结果表明，所提方法能够有效消除噪声对图像分割的影响，使图像分割精度更高，且运行时间更短，该方法在图像获 取设备中具有较高的实践价值。
犓犲狔狑狅狉犱狊：Ｃｏｎｔｏｕｒｌｅｔｔｒａｎｓｆｏｒｍ；ｉｍａｇｅｉｎｔｅｌｌｉｇｅｎｃｅ；ｉｎｔｅｌｌｉｇｅｎｔｓｅｇｍｅｎｔａｔｉｏｎ ｍｅｔｈｏｄ
０ 引 言
随着电子技术和计算机技术的飞速发展，图像采集技术得 到了极大提高，图像处理技术的应用逐渐成为图像分析领域研 究的热点，已 经 渗 透 至 人 们 日 常 生 活 的 各 个 方 面，在 视 频 会 议、远程医疗、农业生产自动化、以及工业产品质量监测方面 有 着 重 要 应 用［１２］。图 像 分 割 作 为 图 像 分 析 的 最 关 键 步 骤 ， 无 论是图像处理还是图像理解与识别，其基本工作均建立在图像 分割的基础上，图像分割的目的就是将图像划分成各具特征的 区 域 并 提 取 目 标 区 域 的 细 节 信 息 的 过 程 。 ［３４］ 在 图 像 处 理 过 程 中只要涉及到目标检测，信息提取、图像诊断时，首先就需要 对图像进行分割，在图像处理过程中十分关键［５］。图像分割 技 术发展至今，研究人员提出了很多分割方法，但仍然存在很多 不足，例如分割精度不高、分割后的图像分辨率低、分割计算 效率低等众多问 题［６］。 在 这 种 情 况 下， 寻 求 一 种 可 扩 展 性 强、 计算 效 率 高、抗 噪 性 强 的 图 像 分 割 方 法 具 有 重 要 的 现 实 意 义［７］。
犚犲狊犲犪狉犮犺狅狀犐犿犪犵犲犛犲犵犿犲狀狋犪狋犻狅狀犅犪狊犲犱狅狀犆狅狀狋狅狌狉犾犲狋犜狉犪狀狊犳狅狉犿
Ｌｉｕ Ｈａｉ
（ＤｅｐａｒｔｍｅｎｔｏｆＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｄｏｎｇ ＵｎｉｖｅｒｓｉｔｙｏｆＩｎｄｕｓｔｒｉａｌ ＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｚｈｕｈａｉ ５１９０９０，Ｃｈｉｎａ）
· ２０２ ·
计算 机 测 量 与 控 制 ．２０１８．２６（１） 犆狅犿狆狌狋犲狉 犕犲犪狊狌狉犲犿犲狀狋 牔 犆狅狀狋狉狅犾
设计与应用
Hale Waihona Puke Baidu
文章编号：１６７１ ４５９８（２０１８）０１ ０２０２ ０４ ＤＯＩ：１０．１６５２６／ｊ．ｃｎｋｉ．１１－４７６２／ｔｐ．２０１８．０１．０５０ 中图分类号：ＴＰ３９１．４１ 文献标识码：Ａ
犃犫狊狋狉犪犮狋：Ｄｕｅｔｏｔｈｅｄｉｆｆｅｒｅｎｔｉｍａｇｅｓｏｆｔｈｅｅｑｕｉｐｍｅｎｔ，ｔｈｅｑｕａｌｉｔｙａｎｄｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅｉｍａｇｅｓｔａｋｅｎｂｙｄｉｆｆｅｒｅｎｔｄｅｖｉｃｅｓａｒｅ ｑｕｉｔｅｄｉｆｆｅｒｅｎｔ．Ｔｈｅｃｕｒｒｅｎｔｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄｉｓｓｅｎｓｉｔｉｖｅｔｏｎｏｉｓｅ，ａｎｄｔｈｅｓｅｇｍｅｎｔｅｄｉｍａｇｅｒｅｓｕｌｔｓａｒｅｐｒｏｎｅｔｏｏｖｅｒ－ｓｅｇｍｅｎｔａ ｔｉｏｎａｎｄｓｉｎｇｕｌａｒｄｉｆｆｕｓｉｏｎ．Ｉｎｔｈｉｓｐａｐｅｒ，ａｎｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎＣｏｎｔｏｕｒｌｅｔｔｒａｎｓｆｏｒｍｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅｍｅｔｈｏｄｕｓｅｓｔｈｅｄｉ ｒｅｃｔｉｏｎｆｉｌｔｅｒｂａｎｋｔｏｒｅａｌｉｚｅｔｈｅｔｅｘｔｕｒｅｓｅｐａｒａｔｉｏｎｉｎｅａｃｈｄｉｒｅｃｔｉｏｎｏｆｔｈｅｉｍａｇｅ，ａｎｄｓｕｂｓｔｉｔｕｔｅｓｔｈｅＬａｐｌａｃｅｔｒａｎｓｆｏｒｍ ｗｉｔｈｔｈｅｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍｔｏｃａｒｒｙｏｎｔｈｅｍｕｌｔｉ－ｓｃａｌｅｓｕｂ－ｂａｎｄｄｅｃｏｍｐｏｓｉｔｉｏｎｏｆｔｈｅｉｍａｇｅ，ｃａｌｃｕｌａｔｅｓｔｈｅｉｍａｇｅｍｕｌｔｉ－ｓｃａｌｅｌｉｋｅｌｉｈｏｏｄｆｕｎｃｔｉｏｎ，ａｎｄａｃ ｃｏｒｄｉｎｇｔｏｔｈｅｉｍａｇｅｍａｘｉｍｕｍｌｉｋｅｌｉｈｏｏｄｆｕｎｃｔｉｏｎｅｓｔｉｍａｔｉｏｎｃｒｉｔｅｒｉｏｎｔｈｅｉｎｉｔｉａｌｓｅｇｍｅｎｔａｔｉｏｎｏｆｔｈｅｉｍａｇｅｉｓｏｂｔａｉｎｅｄ．Ｏｎｔｈｉｓｂａｓｉｓ，ｔｈｅａ ｄａｐｔｉｖｅｃｏｎｔｅｘｔｓｔｒｕｃｔｕｒｅｉｓｕｓｅｄｔｏｆｕｓｅｆｒｏｍｔｈｅｒｏｕｇｈｎｅｓｓｏｆｔｈｅｉｍａｇｅｔｏｔｈｅｆｉｎｅｓｔｄｉｍｅｎｓｉｏｎｔｏｏｂｔａｉｎｔｈｅｆｉｎａｌｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｒｅｓｕｌｔ． Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｃａｎｅｆｆｅｃｔｉｖｅｌｙｅｌｉｍｉｎａｔｅｔｈｅｉｎｆｌｕｅｎｃｅｏｆｎｏｉｓｅｏｎｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎａｎｄａｃｈｉｅｖｅｓ ｈｉｇｈｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎａｃｃｕｒａｃｙ．
目前，可扩展性 较 强 的 图 像 分 割 方 法 有： 文 献 ［８］ 提 出 一种基于马尔科夫随机场的图像智能分割方法。该方法先采用
收稿日期：２０１７ ０６ ２８； 修回日期：２０１７ ０７ ３１。 基 金 项 目 ：广 东 省 高 职 教 育 品 牌 专 业 （２０１６ｇｚｐｐ００７）。 作者简 介：刘 海 （１９７４ ），男，江 西 吉 安 人，硕 士 研 究 生，副 教 授， 主 要 从 事 软 件 技 术 、图 像 处 理 、机 器 学 习 方 向 的 研 究 。
基于 犆狅狀狋狅狌狉犾犲狋变换的图像智能分割方法研究
刘 海
（广东科学技术职业学院 软件学院，广东 珠海 ５１９０９０）
摘要：由于获取图像的设备不同，不同设备所拍摄图像的质量、空间分布特性差异较大；采用当前图像分割方法对图像噪声进行分 割时，容易产生过分割和奇异扩散现象；为此，提出一种基于 Ｃｏｎｔｏｕｒｌｅｔ变换的 图 像 智 能 分 割 方 法； 该 方 法 先 采 用 方 向 滤 波 器 组 实 现 图 像各个方向纹理分离，利用小波变换替换拉普拉斯变换进行图像多个方向子带分解，计算图像多尺度似然函数，并依据图像最大似然函 数估计准则获得图像的初始分割，在此基础上采用自适应上下文结构从图像粗尺度的分割结果融合至最细尺度，获得最终的图像智能分 割结果；仿真实验结果表明，所提方法能够有效消除噪声对图像分割的影响，使图像分割精度更高，且运行时间更短，该方法在图像获 取设备中具有较高的实践价值。
犓犲狔狑狅狉犱狊：Ｃｏｎｔｏｕｒｌｅｔｔｒａｎｓｆｏｒｍ；ｉｍａｇｅｉｎｔｅｌｌｉｇｅｎｃｅ；ｉｎｔｅｌｌｉｇｅｎｔｓｅｇｍｅｎｔａｔｉｏｎ ｍｅｔｈｏｄ
０ 引 言
随着电子技术和计算机技术的飞速发展，图像采集技术得 到了极大提高，图像处理技术的应用逐渐成为图像分析领域研 究的热点，已 经 渗 透 至 人 们 日 常 生 活 的 各 个 方 面，在 视 频 会 议、远程医疗、农业生产自动化、以及工业产品质量监测方面 有 着 重 要 应 用［１２］。图 像 分 割 作 为 图 像 分 析 的 最 关 键 步 骤 ， 无 论是图像处理还是图像理解与识别，其基本工作均建立在图像 分割的基础上，图像分割的目的就是将图像划分成各具特征的 区 域 并 提 取 目 标 区 域 的 细 节 信 息 的 过 程 。 ［３４］ 在 图 像 处 理 过 程 中只要涉及到目标检测，信息提取、图像诊断时，首先就需要 对图像进行分割，在图像处理过程中十分关键［５］。图像分割 技 术发展至今，研究人员提出了很多分割方法，但仍然存在很多 不足，例如分割精度不高、分割后的图像分辨率低、分割计算 效率低等众多问 题［６］。 在 这 种 情 况 下， 寻 求 一 种 可 扩 展 性 强、 计算 效 率 高、抗 噪 性 强 的 图 像 分 割 方 法 具 有 重 要 的 现 实 意 义［７］。