Automatic texture segmentation for content-based image retrieval application

In this article, a brief review on texture segmentation is presented, before a novel automatic texture segmentation algorithm is developed. The algorithm is based on a modified discrete wavelet frames and the mean shift algorithm. The proposed technique is tested on a range of textured images including composite texture images, synthetic texture images, real scene images as well as our main source of images, the museum images of various kinds. An extension to the automatic texture segmentation, a texture identifier is also introduced for integration into a retrieval system, providing an excellent approach to content-based image retrieval using texture features.     

基于特征尺度及多尺度分解的纹理分割

在计算机视觉领域，纹理识别及分割是图像低层次处理中一个重要的问题。文章依据视觉信息处理的生理学理论，提出了一种新的纹理分析算法。该算法通过搜寻纹理图像的特征尺度并配合连续整数尺度滤波上的特征尺度统计对纹理进行分层分析。并基于特征尺度上的分层分析提出一种纹理分割算法。实验结果证明了该算法的有效性。     

无监督纹理遥感图像分形分割仿真

针对无监督纹理遥感图像分形分割时,仅利用光谱信息,没有充分利用遥感图像中的纹理信息造成过分割或是欠分割的问题,提出结合光谱信息和纹理信息的无监督遥感图像分形分割方法。方法首先借助于双边滤波算法建立双边滤波模型,对无监督遥感图像进行平滑处理,利用边缘检测算子获取无监督遥感图像的纹理梯度和光谱梯度,保留遥感图像的纹理信息。将图像纹理梯度和光谱梯度的内积范数作为K-means算法的距离测度,针对K-means算法易陷入局部寻优问题,将遗传算法与K-means算法相结合实现全局寻优,完成无监督纹理遥感图像分形分割。通过在高分辨率遥感图像上的分割对比实验,证明上述方法能充分利用遥感图像的光谱和纹理信息,分割效果良好。     

一种改进的基于样例的图像修复方法

以基于样例修补的目标移除方法为基础,改进了基于样本块的图像修补方法。在自然图像上通过傅里叶变换,发现许多自然图像具有方向性纹理的特征,将搜索空间约束到纹理方向的范围,优化了Criminisi方法优先块的选取,提高了搜索精度;并通过在源图像区使用图像分割的方法实现分区,使搜索目标块仅在其相邻的源区域内搜索,进一步缩小样本图搜索范围,增强搜索的准确性。在自然图像上进行的实验结果表明:改进的方法不仅显著提高了图像修补的时间,且有效地维持了图像的线性结构,取得了良好的修补效果。     

基于小波变换的纹理图像分割

基于小波的纹理图像分割方法是把小波变换应用于纹理的特征提取。通过对原始纹理图像进行高阶小波分解，构成每个象素对应一个特征矢量，对所提取的特征利用均值举类算法进行分类，最终获得图像的分割结果。为了提高纹理分割图像的边缘准确性和区域性以及降低分割错误率，提出了利用特征加权来进行后分割的方法。     

A universal texture segmentation and representation scheme based on ant colony optimization for iris image processing

This paper proposes a novel scheme for texture segmentation and representation based on Ant Colony Optimization (ACO). Texture segmentation and texture characteristic expression are two important areas in image pattern recognition. Nevertheless, until now, how to find an effective way for accomplishing these tasks is still a major challenge in practical applications such as iris image processing. We propose a framework for ACO based image processing methods. Considering the specific characteristics of various tasks, such a framework possesses the flexibility of only defining different criteria for ant behavior correspondingly. By defining different kinds of direction probability and movement difficulty for artificial ants, an ACO based image segmentation algorithm and a texture representation method are then presented for automatic iris image processing. Experimental results demonstrated that the ACO based image processing methods are competitive and quite promising, with excellent effectiveness and practicability especially for images with complex local texture situations.     

基于纹理谱的纹理分割方法

纹理分析是图象处理中的一个重要领域。本文提出一种基于纹理谱特征分割纹理图象的方法。它首次将纹理谱特征与区域生长算法结合起来，从而实现了无监督的纹理分割。纹理谱特征具有对方向性敏感等优点，基于纹理谱的纹理图象分割取得了良好效果。     

利用小变换和特征加权进行纹理分割

为了提高纹理图象分割的边缘准确性和区域一致性以及降低分割错误率,提出了一种基于小波变换的利用特征加权来进行纹理分割的方法。该方法包括特征提取、预分割和后分割3个阶段,其中,特征提取在金字塔结构小小以变换的基础上进行;预分割利用均人矣类算法来对原始图象进行初步的分割;后分割则根据预分割的结果对特征进行加权,然后利用最小距离分类器来实现图象的最后分割。与传统的方法相比,该方法在分割错误率、边缘准确性以及区域一致性等方面均有明显的改善。     

Evolutionary segmentation of texture image using genetic algorithms towards automatic decision of optimum number of segmentation areas

Segmentation of an image composed of different kinds of texture fields has difficulty in an exact discrimination of the texture fields and a decision of the optimum number of segmentation areas in an image when the image contains similar and/or unstationary texture fields. In this paper we formulate the segmentation problem upon such images as an optimization problem and adopt evolutionary strategy of genetic algorithms for the clustering of small regions in a feature space. The purpose of this paper is to demonstrate the efficiency of genetic algorithms to the texture segmentation and to develop the automatic texture segmentation method.     

基于纹理基元的图象分割

纹理分割是图象处理的基本问题之一．针对广泛的纹理图象，需要一个高效、鲁棒的分割方法，因此提出了一种基于纹理基元的纹理图象分割算法．首先，以Harr小波为变换工具，得到具有方向性的纹理子图象；然后给出了一种新的纹理基元提取方法，并在此基础上，应用统计方法和矢量场，对纹理区域进行由粗到细的分割．通过这种方法不仅可以对纹理图象进行分割，还可以对同一区域的纹理结构进行描述，从而有利于在这种分割方法基础上，进行更高层次的图象处理．     

相位特征提取及在纹理分割中的应用

重视了在生物视觉中起重要作用的相位信息在纹理分割中的重要性并将相位信息用于纹理分割,介绍了常用的相位解缠卷方法及基于最小二乘法的相位解缠卷算法,提出用于分割由两种纹理构成的纹理图象的相位特征提取算法,最后给出了应用相位信息进行纹理分割的实例。     

基于非下采样Contourlet和MRF的纹理图像分割

提出了一种基于非下采样Contourlet变换(NSCT)和马尔科夫随机场(MRF)相结合的纹理图像分割算法.算法包括两个步骤,首先通过NSCT实现对图像纹理特征的提取,并使用模糊C-均值完成对图像的初始分割;然后将初始分割结果用 MRF模型表示,通过贝叶斯置信传播得到图像的最终分割结果.实验结果表明,对于纹理图像,该方法在分割错误率、区域一致性以及边缘的准确性方面都比传统小波变换的方法有了明显的改善.     

傅氏变换的自配准性质及其在纹理识别和图象分割中的应用

图象按纹理一致性进行辨识和分割是图象分析中的一个重要问题 ,有着广泛的实际应用 .讨论了傅氏变换应用于纹理识别的机理 ,并基于此提出了一种图象分割算法 .图象中的纹理线条呈现出很多方向 ,并随机地分布在图象的各个位置 ,然而对于它的傅氏变换幅度谱来说 ,相同方向的线条无论其位置如何 ,它们的贡献会被叠加在一起 ,集中地反映在通过频谱中心垂直于原线条方向的条带上 .这一现象被称为傅氏变换幅度谱的自配准性质 .首先对这一性质进行实验个例的研究和理论分析 ,然后设计算法将其应用于图象的纹理辨识和基于纹理的图象分割实验 ,取得了较为满意的效果 .实验证明 ,得益于自配准性质 ,傅氏变换方法不失为一种有潜力的纹理分析和图象分割方法 ,值得进一步扩展更多的图象应用领域     

Texture segmentation using hierarchical wavelet decomposition

This paper presents a texture segmentation algorithm based on a hierarchical wavelet decomposition. Using Daubechies four-tap filter, an original image is decomposed into three detail images and one approximate image. The decomposition can be recursively applied to the approximate image to generate a lower resolution of the pyramid. The segmentation starts at the lowest resolution using the K-means clustering scheme and textural features obtained from various sub-bands. The result of segmentation is propagated through the pyramid to a higher resolution with continuously improving the segmentation. The lower resolution levels help to build the contour of the segmented texture, while higher levels refine the process, and correct possible errors.     

基于超像素分割的非局部均值去噪方法

针对非局部均值(NLM)去噪算法在变化丰富的纹理区域采用平移窗口的方法选择相似块的不足进行了研究,提出一种基于超像素分割的非局部均值去噪算法。该方法充分考虑非局部均值去噪算法中相似性对噪声去除的影响,利用经过超像素分割处理得到的图像块内部相邻像素间以及纹理边缘都具有一定相似性的特点,在超像素分割块基础上优化纹理区域相似窗口的选择策略,提高图像块与中心像素块之间的相似性,从而达到提升非局部均值算法的去噪水平、边缘纹理不被模糊的目的。在多幅经典自然图像上的实验结果表明,该方法能够有效的去除图像中包含的噪声信息,相比于传统的非局部均值方法,保留了更多的纹理信息。     

K-means Iterative Fisher (KIF) unsupervised clustering algorithm applied to image texture segmentation

The K-means Iterative Fisher (KIF) algorithm is a robust, unsupervised clustering algorithm applied here to the problem of image texture segmentation. The KIF algorithm involves two steps. First, K-means is applied. Second, the K-means class assignments are used to estimate parameters required for a Fisher linear discriminant (FLD). The FLD is applied iteratively to improve the solution. This combined K-means and iterative FLD is referred to as the KIF algorithm. Two KIF implementations are presented: a mixture resolving approach is extended to an unsupervised binary hierarchical approach. The same binary hierarchical KIF algorithm is used to properly segment images even though the number of classes, the class spatial boundaries, and the number of samples per class vary. The binary hierarchical KIF algorithm is fully unsupervised, requires no a priori knowledge of the number of classes, is a non-parametric solution, and is computationally efficient compared to other methods used for clustering in image texture segmentation solutions. This unsupervised methodology is demonstrated to be an improvement over other published texture segmentation results using a wide variety of test imagery. Gabor filters and co-occurrence probabilities are used as texture features.     

LIDAR点云中高精度建筑物分割算法研究

本文在深入研究已有基于Lidar点云的建筑物分割算法基础上,提出了一种结合高程纹理、边缘追踪和规则几何元素检测的建筑物目标分割算法,讨论了该算法在大数量点云处理过程中实现的可行性,总结了算法的实现步骤。通过实际数据的实验,验证了算法的可实现性,并对提取的建筑物目标给出了精度评价。     

基于EMD分解的四元数域无监督纹理分割

提出了一种基于EMD分解的四元数域无监督纹理分割方法。首先采用二维可分离EMD分解提高各图像成份的四元数Fourier频域特征的分离度，再使用四元数Gabor滤波器组进行解析特征提取，最后利用新的模糊c均值聚类评价函数实现无监督的纹理分割。实验结果验证了该方法的有效性。