基于第二代bandelet变换的纹理图像分割-信号与信息处理专业论文.docxVIP

西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1页 摘 要 ．目前，基于小波多尺度分析的方法在图像分割中比较流行。小波的多分辨 率分析思想是将图像分解为不同层上的低频和高频信息，再采用提取特征的方 法进行分割。但是由于小波变换存在方向性差且只能处理点奇异等缺陷，妨碍 了小波对图像特征更好的表示，对于高维信号，小波分析并不能充分利用数据 本身所具有的几何特征，因而很多更优秀的多尺度分析方法应运而生。 bandelet是新近发展起来的一种图像多尺度几何分析方法，本文在第一 代bandelet理论的基础之上研究了第二代bandelet的基本理论。离散小波变 换在每一个尺度上提供了三个方向的高频子带信息，而图像中几何结构(边缘) 的走向并不只是这几种，这样差的方向性使得小波无法对图像特征进行更好的 表示。针对小波的局限性，bandelet考虑了图像结构中的几何方向信息，是 ～种基于边缘的图像表示方法，其主要特点是能充分利用图像自身的几何正则 方向，并自适应的根据所要表示的函数构造最合适的bandelet基函数。在图 像处理任务中，若能够预先知道图像的几何正则方向，并充分予以利用，无疑 会有助于图像的处理。本文通过分析先后两代bandelet变换的异同，证明第 二代bandelet是一种既能充分利用图像的几何正则方向，又能相对第一代 bandelet降低计算几何流、弯曲作用等运算的复杂度，并达到最优表示的多 尺度几何工具。并借鉴第二代bandelet变换过程中用四叉树分解来获得最优 方向信息的思想，提出了一种基于第二代bandelet变换的纹理图像分割方法， 并结合模式识别分类中的k均值和FCM两种聚类方法进行仿真实验。实验结果 表明，该算法将图像的几何特征信息有效的应用到图像分割中，得到了较好的 分割效果。 关键词图像分割；第二代bandelet变换；几何流方向；四叉树分解；分类特 征 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1 I页 ABSTRACT Now the methods based on wavelet multi——scale analysis prevail in image segmentation．The basic idea of segmentation making use of wavelet multi—resolution is to decompose the image into low and high frequencies in different resolutions and extract features to segmentalize the image． However，because wavelet transform has the deficienci6s of poor directionality and processing only point singularity，wavelet can’t make good use of geometrical characteristics existing in the image， which promotes the emergence of more excellent multi——scale analysis methods． Bandelet is a new multi—scale geometrical analysis tool for image representation．This paper studies on second generation bandelet on the basis of first generation bandelet．It is well known that discrete wavelet transform offers high’—frequency sub bands on three directions in each scale，but these three directions carl’t represent all the direction information contained in the image．The deficiency of poor directional ity in wavelet transform goes against for better image representation． Aiming at this shortcoming， bandelet considers the geometrical directions of the ima