多层次紧致纹理特征提取方法以及图像纹理分割方法
【技术领域】
[0001] 本发明设及纹理分析领域，更具体地说，本发明设及一种基于分形维数的多层次 紧致纹理特征提取方法W及相应的图像纹理分割方法。
【背景技术】
[0002] 纹理分割是纹理分析的重要基础环节，它是把图像分成不同的部分，每部分内部 具有相近的纹理。纹理分割目的是找出不同纹理之间的边界，并对相同的纹理赋予一个相 同标记。纹理分割的重点是能有效地区分相邻的不同纹理，正确地找到相邻纹理区域之间 的边界。它包括纹理表示、确定分割区域的边缘等基本问题。
[0003] 自然界中不同种类的形态物质一般具有不同的维数;分形与图像的灰度表示之间 有着一定的对应关系。分形维数是一种衡量图像表面粗糖度的有力工具。分形维数与人眼 对图像表面粗糖程度的判断一致，并且是独立于一定范围内分辨率比例，独立于视角，而稳 定存在的物质的表示量。因此分形维数作为图像表面不规则程度的度量，常被用来作为区 分不同纹理的有效参数。
[0004] 然而现有的利用单一的分形维数作为纹理特征的方法并不足W描述纹理特征，原 因在于：
[0005] (1)分形方法缺乏方向选择性。不适用于描述图像的局部纹理结构。
[0006] (2) -些视觉效果不同的纹理却有着相近的分形维数。
【发明内容】
[0007] 本发明所要解决的技术问题是针对现有技术中存在上述缺陷，提供一种基于分形 维数的多层次紧致纹理特征提取方法，该多层次的紧凑的纹理描述方法能够弥补单一分形 维数特征的不足，提取出有效地表示纹理的分形多尺度多方向特征。
[000引为了实现上述技术目的，根据本发明，提供了一种基于分形维数的多层次紧致纹 理特征提取方法，包括依次执行的下述步骤：
[0009] 第一步骤:提取原始图像的方向和尺度信息W获取原始图像的子带；
[0010] 第二步骤:执行子带归一化处理W得到与原始图像相同分辨率的特征图像；
[0011] 第=步骤:对特征图像提取分形特征。
[0012] 优选地，在第一步骤中，采用方向可调金字塔对原始图像I进行N个尺度、D个方向 上的滤波，得到NXD个子带，每一个子带用{Bn,d(I)}表示，n = 0.1...N-l;d = 0.1..D-l，其 中n代表尺度，d代表方向。
[OOU]优选地，在第二步骤中，对同一方向上的N个子带化,d(I)，n = 0.1. . .N-1}进行规 一化处理，共得到D个与原始图像相同分辨率的特征图像Fi，i = 0，1... D-I。
[0014]优选地，在第S步骤中，计算特征图像Fi的局部差分计盒维数，并采用Fdi, i=0， 1. . .D-I表示特征图像Fi的各个局部差分计盒维数，得到像素 j的D维特征向量T为：
[001引 T(j) = {FdD(i)，. . .FdD-i(i)}T。
[0016] 根据本发明，还提供了一种图像纹理分割方法，包括依次执行的下述步骤：
[0017] 第一纹理分割步骤:针对给定的图像建立一个图表，构建图像的权值矩阵和度矩 阵；
[0018] 第二纹理分割步骤:利用构建的权值矩阵和度矩阵获取第二小特征矢量。
[0019] 第=纹理分割步骤:利用第二小特征矢量将图分割为两部分。
[0020] 优选地，所述图像纹理分割方法还包括第四纹理分割步骤:判断是否需要进一步 分割图像，如果需要进一步分割图像则再次执行第一纹理分割步骤、第二纹理分割步骤和 第=纹理分割步骤。
[0021] 优选地，在第一纹理分割步骤中，根据下述公式构建图像的权值矩阵W:
[0022] 设定图像的两个像素 i，j之间的相似度
[0023] aff(i, j)=exp{-dist(T(i)，T(
[0024] 式中dist(T(i)，T(j))为D维向量T(i)，T(j)之间的欧式距离
[0026] 权值矩阵W:
[0027] 听=嫩片乃X W " [Q , |.r(/)-.T0-)|>rJ
[002引其中r是设定的邻域半径，X是像素点的空域位置信息。
[0029]优选地，在第二纹理分割步骤中，通过求解下述公式的特征向量W获取第二小特 征矢量：
【附图说明】
[0031] 结合附图，并通过参考下面的详细描述，将会更容易地对本发明有更完整的理解 并且更容易地理解其伴随的优点和特征，其中：
[0032] 图1示意性地示出了根据本发明优选实施例的基于分形维数的多层次紧致纹理特 征提取方法的纹理分割框图。
[0033] 图2示意性地示出了根据本发明优选实施例的基于分形维数的多层次紧致纹理特 征提取方法的流程图。
[0034] 图3示意性地示出了根据本发明优选实施例的基于分形维数的多层次紧致纹理特 征提取方法的特征提取框图。
[0035] 图4示意性地示出了根据本发明优选实施例的图像纹理分割方法的流程图。
[0036] 需要说明的是，附图用于说明本发明，而非限制本发明。注意，表示结构的附图可 能并非按比例绘制。并且，附图中，相同或者类似的元件标有相同或者类似的标号。
【具体实施方式】
[0037] 为了使本发明的内容更加清楚和易懂，下面结合具体实施例和附图对本发明的内 容进行详细描述。
[0038] 纹理是区域属性，与图像分辨率密切相关。只有在一定的尺度下才能被感知到。屯、 理生理学实验表明视觉感知的结果是分层次的组织结构，即尺度选择的结果。在大尺度下， 可W抓住图像中物体的主要结构；小尺度下能感知图像中的细节。人类在对纹理的识别任 务中，最重要的=个维度是方向性、周期性和随机性，其中方向是纹理感知中尤为重要的因 素。因此，描述纹理的必须具备多尺度、多方向特性;能够衡量纹理内在特性;并且在特征空 间中同类纹理具有紧致性。由此，本发明将分形理论与方向金字塔理论相结合，提取出具有 方向信息的图像分形维数，有效地表示纹理的多尺度多方向特征;再采用归一化切分作为 分类器，如图1所示。
[0039] 图2示意性地示出了根据本发明优选实施例的基于分形维数的多层次紧致纹理特 征提取方法的流程图；图3示意性地示出了根据本发明优选实施例的基于分形维数的多层 次紧致纹理特征提取方法的特征提取框图。
[0040] 如图2和图3所示，根据本发明优选实施例的基于分形维数的多层次紧致纹理特征 提取方法包括：
[0041] 第一步骤SI:提取原始图像的方向和尺度信息W获取原始图像的子带;具体地，例 如，采用方向可调金字塔对原始图像I进行N个尺度、D个方向上的滤波，得到NXD个子带，每 一个子带用{Bn,d(I)}表示，n = 0.1. . .N-l;d = 0.1. .D-1。其中n代表尺度，d代表方向。
[0042] 第二步骤S2:执行子带归一化处理W得到与原始图像相同分辨率的特征图像;具 体地，例如，对同一方向上的N个子带{Bn,d(I)，n = 0.1. . .N-U进行规一化处理，共得到D个 与原始图像相同分辨率的特征图像Fi，i = 0，l. . .D-1。
[0043] 第=步骤S3:对特征图像提取分形特征；具体地，例如，计算特征图像Fi的局部差 分计盒维数，并采用Fdi，i = 0，1... D-I表示特征图像Fi的各个局部差分计盒维数，得到像素 j的D维特征向量T(表示分形特征)为：
[0044] T(j) = {Fdo(i)，...FdD-i(i)}T (1)
[0045] 基于上述方法，下面进一步讨论根据本发明优选实施例的纹理分割处理。
[0046] 采用归一化切分方法作为纹理分割的分类器，将图像映射为一个加权无向图，将 图像分割问题转化为对加权无向图的划分。如果两个像素相似，那么对应两节点之间的边 的权值就比较大，反之亦然，通过去掉较小的相关权重边，将图像分割成内部权重较大的各 个相连的子图，每一个子图就对应于一个分割的部分。
[