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．     

基于纹理方向的描述和对具有方向性纹理图象的分类与分割

为进一步进行纹理特征分析，从纹理的方向性入手，给出了纹理方向的数学定义式，合理选择差异函数，构造了具有物理意义的纹理方向描述特征向量，数据处理方面，运用模糊贴近度的概念，结合改进后的属性均值聚类算法，对一类具有方向性的纹理图象进行分类与分割实验，取得了较好的结果，试验表明，该方法对纹理的方向性有很好的描述能力。     

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。     

纹理图象的多信道滤波分割方法

纹理图象的分割分类方法是目前图象处理和机器视觉研究中的一个前沿课题，传统方法大多基于形态结构和统计描述，与人类视觉机理相脱节，无法进一步提高分精度。本文介绍了近几年来兴起的一类全新的方法，即基于空间／空间频率（ｓ／ｓｆ）平面的多信道滤波法，这类方法与人类视觉机理很好的吻合，对于人工纹理和自然纹理都能获很好的分割效果。     

基于小波变换和蚁群算法的纹理分割

纹理分割是图像模式识别中的关键步骤,但直到现在仍然没有一种有效的方法能够解决。本文提出了一种新的基于小波变换和蚁群算法的纹理分割方法。该方法首先用小波变换提取图像不同频带的纹理特征,然后提出具有聚类能力的蚁群算法数学模型,并用这个模型来进行分割。实验结果表明,该方法是一种有效的纹理分割方法。     

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。     

基于人类视觉感知特性的一种纹理图象分割方法

在纹理图象分割的研究领域中,基于人类视觉感知特性的图象分割方法是一个重要的新方向,本文给出了一种纹理图象分割的方法,设计了一组参数不同的2D最佳正交极可分方向滤波器来提取图象特征,然后经过四叉树平滑,用模糊C－均值聚类对图象进行分类,最后进行边缘确定,实验结果表明,这种方法能获得较好的分割效果。     

小波变换在三维医学图象分割中的应用

本文将多尺度小波变换应用到三维医学图象分割中的阈值选取中．由于小波变换在较大尺度，由噪音引起的细小突变较少，可描述信号的整体行为，取较大尺度的由负到正的零交叉点来确定图象的阈值，再逐步到相邻的小尺度由粗到精地确定精确的阈值．用以上算法对三维医学图象进行二值化后，根据待提取组织或区域的特征，再选取合适的数学形态学操作，最后对区域进行种子填充．从实验结果可以看出分割效果较好，能够满足三维重建的要求．     

树型小波变换在纹理分析中的应用

分析了小波变换的特点,将传统的塔型小波变换和树型小波变换进行了比较,给出了一种用树型小波来提取纹理特征进行纹理图象分割的方法。经过实验结果表明,用树型小波变换可以在纹理分析中获得较好的效果。     

利用小波变换和FCM算法进行多特征纹理分割

提出了一种基于小波变换和模糊C均值（FCM）算法的两阶段纹理分割方法,各阶段采用不同的纹理特征。而且该特征结合了像素的空域和频域信息。实验表明该方法在分割错误率、边缘准确性及区域一致性方面均有较明显的改善,同时也有较高的分割效率。     

基于小波变换的SAR图像分割

SAR(合成孔径雷达)图像包含有相干斑噪声,传统方法不能很好地对SAR图像进行分割,该文结合SAR图像和小波变换多分辨分析的特点,提出了一种新的SAR图像分割方法。首先利用小波变换提取SAR图像的纹理特征信息,然后根据SAR图像噪声在小波域中的分布特点对SAR图像进行滤波,最后以SAR图像小波能量纹理特征和滤波后的灰度组成特征向量对SAR图像进行分割。实验结果表明,该方法是一种有效的SAR图像分割方法。     

基于去降Mallat离散小波变换的彩色图像分割

该文针对Mallat快速离散小波变换,提出了一种利用变换平移不变性的离散小波变换的彩色图像分割方法。首先对原始图像进行平移不变性的小波变换,然后提取颜色和纹理特征,并采用k均值算法进行分割。实验表明该方法对纹理图像和彩色自然图像都具有较好的分割效果。     

利用多进制小波变换和模糊c-均值聚类进行纹理分割

提出了一种基于多进制小波变换的多纹理特征提取方法,通过对小波系数的标准差作为纹理测度以生成特征向量,利用模糊c-均值聚类算法进行纹理分割,获得了较好的实验结果。     

基于小波变换的图像超分辨率复原算法研究

在不改变现有硬件设备的情况下,结合近年来迅速发展的小波理论,提出了基于小波变换的图像超分辨率算法。对输入的低分辨率图像采用直接邻域进行插值后,利用DWT将低分辨率图像分解为不同的4个子带;同时直接对低分辨率图像进行SWT处理。由SWT得到的高频频带来修正DWT得到的高频频带,可修正估计系数。最后,通过逆离散小波变换(IDWT)组合修正的高频频带和输入图像,得到一幅高分辨率的输出图像。实验证明,与传统的双线性插值、双立方插值相比,该算法的峰值信噪比PSNR都有不同程度的提高。     

基于小波变换的多方向小波变换

方向小波变换(SAWT)是小波变换(WT)的多方向扩展,它的基是各向异性的,具有多尺度、多方向的图像表示特性。SAWT不能恒保持多分辨率尺度关系,不能较好地表示图像中的平滑区域,因此利用WT和SAWT构造了一种新的多尺度、多方向且能保持多分辨率尺度关系的小波方向波变换。为了验证该变换的有效性,利用其进行了图像去噪实验。实验结果表明,所提方法能够很好地表示图像中的平滑区域和细节信息,并且能获得更高的峰值信噪比和结构相似性。     

基于图像抽取和小波变换的压缩方法

由于良好的局部性时频分析特性和多分辨率分析,小波变换在图像处理领域有很好的应用效果,但其却是一种很复杂的数学变换.为了降低计算复杂度,提出了一种将图像抽取和小波变换相结合进行图像压缩编码的方法.将最常用的两种图像抽取法结合小波变换进行图像压缩的压缩效果,与小波变换压缩效果作了比较.通过在MATLAB运行环境下对该方法进行实验得出,与基于小波变换的图像压缩方法相比,对于纹理较少相对平滑的图像,可以在压缩图像视觉效果相同的情况下,获得更高的压缩比,同时降低计算复杂度.