论文部分内容阅读
基于纹理的彩色图像分割技术一直都是学术界研究的重点，众多学者提出了一系列的相关算法，分为基于统计的纹理分割算法，基于模型的纹理分割算法与基于信号处理的方法。其中基于统计的纹理分割算法是最为重要的方法之一，在基于统计的纹理分割算法中，引入马氏随机链理论的图像分割算法是分割效率相对较高，分割精度相对较大的算法。相对于经典的马氏链图像分割算法，多尺度马氏链图像分割算法将多尺度理论引入到算法之中，解决了传统马氏链方法只能在单一尺度上显示分割结果的问题，而且在多尺度所分割完成的各级分割结果上分别采用基于像素点，纹理区域之间的关系优化了各级分割结果，使得分割精度有了很大的提高。多尺度马氏链图像分割算法采用基于单像素点之间的颜色信息之间的关系形成马氏链完成最为重要的初步分割，由于多尺度马氏链图像分割算法在纹理碎片化处理中只用像素颜色信息完成聚类处理，使得聚类所使用的特征缺少灰度的空间分布关系。相对于灰度空间分布信息，颜色空间分布信息用于刻画纹理是不稳定的，图像中同一纹理的不同区域容易受到光照角度和拍摄角度等因素影响导致颜色变化。所以，算法最终的纹理分割结果就表现出对颜色过度敏感，容易出现误分割情况。纹理是图像中物体相互区别的本质特性，纹理可以看做是复杂的视觉实体或者子模式的组合，即是相似子影像的组合。根据这一描述，本文针对TFR算法碎片化阶段聚类特征缺少灰度之间的空间关系问题，提出基于纹理基元（Texture-Primitive）的多层马氏链纹理分割方法。将颜色与灰度分布相结合构造纹理基元的特征空间，作为纹理碎片化聚类的对象。纹理基元的灰度分布特征由局部二值模式与反差LBP/C（Local BinaryPattern and Contrast）表达。面向纹理基元的聚类分割使碎片化结果稳定，给后继的面向区域的8方向马氏链构建和进一步的碎片化处理提供了正确的基础。实验证明，本文提出的算法分割精度有明显提高。由于在算法的基础处理阶段使用了基础纹理的灰度分布信息，克服了因光照等因素导致纹理的误分割，对于遥感图像纹理分割来说，算法纹理分割结果的稳定性表现得更好。