基于分形特征纹理图像分割方法

基于地毯法估计分形维数，提出了图像局部分形维数的最优估计方法。然后利用边缘信息和区域增长的方法，对自然场景的分形维数图像进行分割。仿真实验表明该方法分割效果很好，优于基于Hurst变换分割方法。     

图像分形维数计算方法的比较

分形维数是度量图像纹理粗糙度的一种常用方法,而依据分形维数的定义很难求解图像的分形维数。大量计算图像分形维数的算法被提出,但是这些方法往往基于不同的应用背景,没有总体比较和评价,多局限于差分盒子维的选用和改进,算法普遍存在计算误差较大,适应能力模糊的缺点。基于目前常用图像分形维数的计算方法,测试不同方法对图像粗糙度的敏感程度和时间复杂程度。从而对这些方法的适用范围进行分析和比较,给出应用的推荐模型。     

基于形态学多重分形的遥感图像多尺度分割

提出了一种基于数学形态学的局部多重分形指数特征来描述图像中的纹理信息,并构造了基于图像四叉树的多尺度分割算法来实现遥感图像的粗分割。形态学多重分形指数能够准确而全面的刻画纹理的局部尺度特性,而多尺度分割算法可以在保持分割精度的前提下大大降低时间复杂度。在遥感图像上进行的对比实验表明,该算法在分割的效果和效率上都优于使用其他纹理特征的分割算法。     

基于布朗模型和小波变换的图像分形维数计算

函像分形维数是反映图像纹理特征的重要因素，也是图像分割的主要依据；通常，图像的分形维数多数采用盒维数计算方法来得到．但是避免不了计算时阚值选择带来不精确的问题，本文结合小波变换和布朗模型，提出了一种新的计算方法，并且和盒维数方法计算结果进行比较，结果表明，通过本文的计算方法得到的图像分形维数较准确。     

基于分形维数的纹理图像分割

纹理图发割过程一般分为特征抽取和特征划分,文中提出一种新的基于分形维数的纹理图像分割方法,在特征抽取上,以分形作为纹理特征,运用图像变换的思想,结合差分盒计数和基于分形布朗自相似模型的分形估计方法。     

一种新的网格重叠差分盒分形模型

分形维数一个最重要的特性是其维数大小与人眼感觉图像表面的粗糙程度有很大的相关性,分形在图像的纹理分析、图像的分割与分类等方面有着很多成功的运用。在基于分形理论提出的分形维数的佑计方法中,差分盒法是一种经常被使用的分形维数佑计技术。研究发现差分盒法对细致纹理的最小二乘法线性拟合度比较好,但是对较为粗糙的纹理其最小二乘法的线性拟合度不够理想,估计出的分形维数往往失真。为了解决这个问题,提出了一种网格重叠差分盒模型,用以计算差分盒的盒子数的网格在一定程度上重叠,计算整个图像统计自相似意义上的盒子数,其最小二乘法的线性拟合度比较好。为了进一步提高差分盒的盒子计数精度,提出了非整数盒子计数法,修正了缩放尺度,试验证明其能更真实地反映纹理的分形维数。     

基于分形的彩色岩石裂隙分割

纹理分割是图像处理与计算机视觉领域研究的重点和难点.现有的纹理分割方法大多集中于研究灰度纹理图像,该文提出了一种基于分形纹理特征和颜色信息结合的彩色纹理分割算法.该算法将复杂的彩色图像分形维数计算转化为单色图像分形维数的计算,将纹理特征和颜色信息相结合,采用区域生长法来实现分割.通过对彩色岩石裂隙图像的分割实验,结果证实该该方法行之有效.     

一种计算各向异性分形维数的新方法

分形维数是描述分形的重要参数,分形维数的计算是分形几何研究的重要内容。传统上分形维数的计算是基于各向同性这一假设所得到的维数计算方法,不适合具有各向异性特性的自然地形的维数计算。基于微分统计法,提出并实现了一种计算各向异性分形维数的新方法,该算法通过保留方向信息,达到了计算不同方向上不同分形维数的目的。利用频谱合成法生成的各向异性分形曲面进行实验的结果表明,算法是正确且有效的。     

基于布朗模型和小波变换的图像分形维数计算

图像分形维数是反映图像纹理特征的重要因素,也是图像分割的主要依据;通常,图像的分形维数多数采用盒维数计算方法来得到,但是避免不了计算时阈值选择带来不精确的问题,本文结合小波变换和布朗模型,提出了一种新的计算方法,并且和盒维数方法计算结果进行比较,结果表明,通过本文的计算方法得到的图像分形维数较准确。     

有理分形曲面造型及其在图像超分辨中的应用

曲面构造是计算机辅助几何设计的一个关键问题。为了使建模曲面在实际应用中更加灵活、有效,提出一种有理分形曲面的构造方法,并基于该模型给出一种单幅图像超分辨率重建算法。首先,将分形插值函数视为高度函数的分形扰动,给出了一种双变量有理样条迭代函数系统,由此生成有理分形曲面;其次,研究了有理分形函数的一些分析性质,给出了有理分形曲面的计盒维数;最后,将该模型及其理论结果应用于单幅图像的超分辨率重建,提出一种重建算法。该算法先通过非下采样轮廓波变换将图像划分为边缘区域和非边缘区域;然后借助于维数公式精确计算尺度因子,利用模型的多样性对不同区域采用不同的模型进行插值,非边缘区域采用有理函数模型,边缘区域采用有理分形插值函数模型;最后通过适当的变换得到目标图像。实验结果表明了所提模型和算法的有效性,其在处理图像纹理细节和边缘方面优于对比算法,特别是在保持图像的结构信息上具有较强的竞争力,同时获得了较好的客观评价数据和主观视觉效果。     

基于形态学重建和梯度分层修正的分水岭脑肿瘤分割*

针对脑部核磁共振成像(Magnetic Resonance Imaging, MRI)图像中因噪声、灰度不均匀及边界模糊不连续等造成肿瘤难以准确分割的问题,提出一种基于形态学重建和梯度分层多尺度修正的分水岭分割方法。首先对原始图像进行形态学混合开闭重建以平滑去噪,同时保留目标轮廓信息;然后根据梯度图像的三维地貌体积对其进行分层多尺度修正,自适应地确定修正所需的结构元素尺寸,对低梯度层级采用较大尺寸结构元素进行闭运算修正,消除产生过分割的非规则局部极小值,而对较高梯度层级则采用较小尺寸的结构元素,保持区域轮廓的位置不变;最后在修正基础上,运用标准分水岭变换实现图像分割。实验结果表明,该方法与标准分割的相似度指数和Jaccard指数均较高,且过分割率和欠分割率均较低,具有较好的分割效果。     

一种基于乘性可变尺度形态分形模型的分割新算法*

在定义乘性可变尺度结构算子对数学形态维分形模型进行优化和改进的基础上,提出了一种基于提取分形特征参数的图像分割算法.首先定义并比较了加性和乘性可变尺度形态结构算子,并以此为基础进行形态学膨胀运算,提取归一化模型下的数学形态维分形维数,再用分形特征维数调制灰度值,以拉开各个灰度级间的距离,有效地增大了目标和背景的差异,最后进行自适应阈值分割.大量对比仿真实验取得了良好的分割效果,并且证明了本算法的有效性和可靠性.     

Texture segmentation using fractal dimension

This paper deals with the problem of recognizing and segmenting textures in images. For this purpose the authors employ a technique based on the fractal dimension (FD) and the multi-fractal concept. Six FD features are based on the original image, the above average/high gray level image, the below average/low gray level image, the horizontally smoothed image, the vertically smoothed image, and the multi-fractal dimension of order two. A modified box-counting approach is proposed to estimate the FD, in combination with feature smoothing in order to reduce spurious regions. To segment a scene into the desired number of classes, an unsupervised K-means like clustering approach is used. Mosaics of various natural textures from the Brodatz album as well as microphotographs of thin sections of natural rocks are considered, and the segmentation results to show the efficiency of the technique. Supervised techniques such as minimum-distance and k-nearest neighbor classification are also considered. The results are compared with other techniques     

分形理论在肝脏CT影像分割中的应用研究

针对肝脏CT影像的特点,提出了基于分形理论的分割算法。根据分形维数反映图像复杂程度的定义,通过计算两次突变的分维数,来确定图像的灰度值范围,并利用该灰度值范围确定阈值。并通过实验,表明利用分形维数所得到的阈值进行分割处理较传统方法有较大改进,且该方法计算的肝脏边缘分维数也为今后评价肝脏是否发生病变提供参考数据。     

基于加权方差的煤矸石X射线图像分形维数最优估计算法

传统方法对于煤矸石X射线图像分形维数估计存在单层次缺陷,提出了基于加权方差的煤矸石X射线图像分形维数最优估计方法。由局域窗口特征检测方法获取图像的二维边缘像素特征分量,取其最大值构成图像采集的像素特征量,实现对图像的特征分解。在此基础上,提取二值化图像边缘轮廓特征量,采用包络轮廓线分割方法超分辨融合煤矸石X射线图像,建立煤矸石X射线图像的模板匹配模型。采用多层次纹理重建方法,获取图像的活动轮廓多层次分布集,结合加权方差获取图像方差和标准差,将图像的分形维数估计方差和标准差输入图像的相关性检测模板匹配函数中,进行图像分形维数最优估计。仿真结果表明,采用该方法进行煤矸石X射线图像分形维数估计的精度较高,自适应性较好,提高了煤矸石X射线图像的识别和检测能力。     

Object density-based image segmentation and its applications in biomedical image analysis

In many applications of medical image analysis, the density of an object is the most important feature for isolating an area of interest (image segmentation). In this research, an object density-based image segmentation methodology is developed, which incorporates intensity-based, edge-based and texture-based segmentation techniques. The proposed method consists of three main stages: preprocessing, object segmentation and final segmentation. Image enhancement, noise reduction and layer-of-interest extraction are several subtasks of preprocessing. Object segmentation utilizes a marker-controlled watershed technique to identify each object of interest (OI) from the background. A marker estimation method is proposed to minimize over-segmentation resulting from the watershed algorithm. Object segmentation provides an accurate density estimation of OI which is used to guide the subsequent segmentation steps. The final stage converts the distribution of OI into textural energy by using fractal dimension analysis. An energy-driven active contour procedure is designed to delineate the area with desired object density. Experimental results show that the proposed method is 98% accurate in segmenting synthetic images. Segmentation of microscopic images and ultrasound images shows the potential utility of the proposed method in different applications of medical image processing.     

数学形态学的图象分割算法

图象分割在图象分析、机器视觉、目标识别中都将直接影响到后续的理解和识别工作。本文着重讨论了基于数学形态学变换的图象分割算法，提出了基于图象最大内切圆的数学形态学形状描述图象分割算法和基于目标最小闭包结构元素的数学形态学形状描述图象分割算法。     

A Constant-time Algorithm for Erosions/Dilations with Applications to Morphological Texture Feature Computation

A computationally efficient algorithm for computing erosions and dilations by one- dimensional grayscale structuring elements with constant slope is proposed. The computational complexity of this algorithm is independent of the size of the support of the structuring function. This is a generalization of the method proposed by Van Herk for the case of erosion and dilation by flat one-dimensional structuring elements. By appropriate combinations of these structuring elements, it is possible to approximate many useful structuring elements. This enables efficient computation of granulometries where the number of operations depends linearly on the number of openings. Theoretical and experimental results comparing the complexity of this algorithm with other standard techniques is presented. Two memory efficient algorithms are then presented. Several implementation issues in computing a granulometry and moments of the associated morphological pattern spectrum are then addressed. An efficient implementation of granulometries for large images on machines with limited memory, by dividing the image into smaller rectangular patches is then discussed. The optimum size of these patches is a function of the specific hardware and has been obtained experimentally for three different hardware platforms. Finally, parallel implementation of the different algorithms on two multi-processor machines is discussed.     

Decomposition of arbitrary gray-scale morphological structuring elements

Mathematical morphology has been widely used for many applications in image processing and analysis. Most image processing architectures adapted to morphological operations use structuring elements of a limited size. Therefore, difficulties arise when we deal with a large-sized structuring element. In this paper, we present algorithms for the decomposition of arbitrary gray-scale structuring elements into combined dilations or maximum operators of smaller structuring components. Our method does not need to perform additional pre-processes, such as checking the type of structuring elements and the decomposition rules. Furthermore, it is suited for a parallel pipelined architecture.