基于人类视觉特性的纹理分割方法

纹理分割是将一幅图像依据纹理不同分成若干个不同的区域,目前广泛采用的是利用滤波器族(如Gabor)对图像进行分解。但由于图像纹理表现的各异性,通常在滤波器参数的选择上不能做到自适应,导致提取的特征不明显,分类效果不好,使用范围受限。文中提出了一种基于人类视觉系统(Human Visual System,HVS)机理的纹理分割方法,不但可以模拟人类观察纹理直觉处理阶段确定纹理区的个数并且粗略地划分区域,而且可以模拟专注处理阶段自动选择Gabor滤波器的个数及参数。该算法符合HVS区分纹理机理,计算过程简单、方便。针对各纹理选取的特征明显,分类效果好。     

基于多通道Gabor滤波器的纹理图像非监督分类

提出了一种快速、实用的Gabor滤波器设计方法.首先根据人类视觉特性选定Gabor滤波器的频率带宽参数,利用图像大小确定滤波器的中心频率,构造一组多通道的Gabor滤波器在时域和频域中提取图像多方向和多分辨率的Gabor能量特征,对特征空间进行非线性变换和Gauss滤波处理,最后通过K means方法实现纹理图像的分割.实验结果表明,该方法能有较好的纹理分割效果.     

一种方向Gabor滤波纹理分割算法

结合人眼视觉特性，设计了一种方向Gabor滤波器，该滤波器顾及了纹理图像的方向特性；利用Gabor滤波器的带通技术，抑制次要纹理图像的主频率分量，增强目标纹理图像主频率分量，使滤波输出图像具有较大的类间离散度和较小的类内离散度，将纹理图像的分割转化为传统的图像分割，使图像的分割质量和算法效率都得到了提高。     

基于Gabor滤波器和HOG特征的织物疵点检测

针对织物疵点检测问题,提出了一种基于Gabor滤波器和方向梯度直方图（HOG）特征的织物疵点检测算法。首先使用3个尺度、4个方向的Gabor滤波器组对织物图像进行滤波,并做融合处理,增强织物图像疵点区域和背景纹理之间的对比度;然后使用双边滤波减弱图像背景纹理和噪声的影响;最后将图像划分成均匀子块,提取每个子图像块的HOG特征,利用图像疵点区域和背景纹理的HOG特征差异进行阈值分割实现织物疵点的检测。实验选取5种常见织物疵点进行验证,并与传统的Gabor滤波算法进行了实验对比,结果表明该算法可以较好的抑制织物背景纹理的干扰,更加准确的检测出织物疵点。     

结合Gabor滤波器和扩展LTP算子的无监督纹理图像分割

目的 现实中的纹理往往具有类型多样、形态多变、结构复杂等特点,直接影响到纹理图像分割的准确性。传统的无监督纹理图像分割算法具有一定的局限性,不能很好地提取稳定的纹理特征。本文提出了基于Gabor滤波器和改进的LTP（local ternary pattern）算子的针对复杂纹理图像的纹理特征提取算法。方法 利用Gabor滤波器和扩展LTP算子分别提取相同或相似纹理模式的纹理特征和纹理的差异性特征,并将这些特征融入到水平集框架中对纹理图像进行分割。结果 通过实验表明,对纹理方向及尺度变化较大的图像、复杂背景下的纹理图像以及弱纹理模式的图像,本文方法整体分割结果明显优于传统的Gabor滤波器、结构张量、拓展结构张量、局部相似度因子等纹理分割方法得到的结果。同时,将本文方法与基于LTP的方法进行对比,分割结果依然更优。在量化指标方面,将本文方法与各种无监督的纹理分割方法就分割准确度进行对比,结果表明,在典型的纹理图像上,本文方法准确度达到97%以上,高于其他方法的分割准确度。结论 提出了一种结合Gabor滤波器和扩展LTP算子的无监督多特征的纹理图像分割方法,能够较好地提取相似纹理模式的特征和纹理的差异性特征,且这些纹理特征可以很好地融合到水平集框架中,对真实世界复杂纹理图像能够得到良好的分割效果。     

基于区域特征分析的快速FCM图像分割改进算法

提出一种基于图像区域特征估计聚类数的快速FCM图像分割算法。在算法的预测分析阶段, 利用由共生矩阵统计值所构成的特征矢量描述图像中区域特征并结合多个聚类有效性判定函数实现准确的聚类数估计和隶属度矩阵值的初始化。在主聚类阶段,采用Gabor滤波器提取的颜色纹理隐式混合特征进行聚类,不但能获得更加合理的区域分割质量,同时也具有较好的抗噪声能力。实验表明改进算法有效克服基于像素点级特征的FCM图像分割算法在聚类数估计和隶属度矩阵初始化方面的不足,加快FCM主聚类阶段的迭代速度,执行效率更高。     

改进的基于Gabor小波的类圆形堆积物图像分割

以堆积在一起的棒材端面图像为背景,通过纹理分析的方法,提出了一套基于Gabor小波的类圆形堆积物分割方法及其预处理方法。对于Gabor小波构造出来的滤波器组,提出通过响应离散度来优选滤波器;对于得到的频谱响应图像,提出了桥模糊算法来优化频谱响应。通过提出的Gabor小波滤波器构造、选择和优化方法,可以无监督的成功将成捆棒材端面图像从任意背景图像中分割出来。该方法可以应用于该一大类的堆积物分割,具有很强的通用性和鲁棒性。     

基于多信息融合的纹理分割新方法

为了提高纹理分割的边缘准确性和区域一致性,该文综合考虑了纹理的统计和随机特征,提出了一种摹于GMRF和Gabor滤波得到的纹理特征进行信息融合后再进行纹理分割的新方法。实验结果表明该算法适应各种不同类型的纹理图像,与传统的只利用纹理的一种特征进行分割方法相比,该方法在边缘准确性以及区域一致性等方面均有明显的改善。     

基于人类视觉特性的纹理分割方法

纹理分割是将一幅图像依据纹理不同分成若干个不同的区域,目前广泛采用的是利用滤波器族(如Gabor)对图像进行分解.但由于图像纹理表现的各异性,通常要选择很多滤波器,导致提取的特征困难,分类效果不好,效率低,使用范围受限.文中提出了一种基于人类视觉系统(Human Visual System,HVS)二阶机理的纹理分割方法,即基于‘滤波器->整流->滤波器'(FRF)模型的纹理分割方法.该算法符合HVS区分纹理机理,计算过程简单、方便.针对各纹理选取的特征明显,分类效果好,效率较高.     

用于分割双纹理图像的最佳单Gabor小波参数的反馈系统

设计了一个对分割双纹理图像的最佳单Gabor小波参数进行自适应调整的反馈系统。该系统利用Gabor小波的带通特性使某一频率的纹理通过，而另一频率的纹理受到抑制，由RBF神经网络对预处理后的图像参数进行估计，求出最优分割阈值。以分割阈值误差率为反馈量对Gabor小波参数进行自适应调整，从而得到最佳Gabor小波参数。实验证明，该系统对双纹理图像的分割达到了预期的结果。