基于正交矩的纹理分割-图像处理专业论文.docxVIP

硕』．学位论文——堆十正交矩的纹理分訇摘 硕』．学位论文——堆十正交矩的纹理分訇 摘 要 图像的纹理是自然景物图像，N_I巷N像和医学图像等的一个重要特征。运用 各种观测系统获得的图像大多是纹理型的，所以在识别这些图像中的界【面或者目 标时，通常先要进行纹理分割。本文运用币交矩(勒让德矩)对纹理分割进行了 深入的研究。 纹理分割是纹理分析中的难点。纹理分割就是要把纹理图像划分成不相交的 区域，同一区域内的纹理具有相同或相似的性质，不同区域间的纹理其性质差别 很大。进行分割时，先在图像的小窗口中计算勒让德矩，然后用一个非线性变换 器将这些矩转化成纹理特征，再用这些纹理特征组成特征向量作为分类器的输入 数据。最后采用RBF(Radial Basis Function)人工神经网络对提取的特征向量进行 分割。我们用k均值算法训练RBF人工神经网络的隐层，采用梯度下降法训练 输出层。 试验结果表明，该算法对具有相同二阶统计的二值纹理图像和许多灰度级纹 理图像进行分割非常有效。和基于几何矩的纹理分割相比，采用勒让德矩提取纹 理特征，可以有效的降低分割错误率。在对采用的勒让德矩的阶数进行研究时， 分别比较了用零到二至六阶勒让德矩提取纹理特征时得到的不同纹理图像的特 征图及分割结果。结果表明，对于本文中用到的自然纹理和具有相同二阶统计的 纹理来说，用零到四阶矩提取特征时得到的分割结果最好。整个实验过程中，有 两处涉及选取窗¨的问题：1．图像的矩是在’‘个小窗121中计算的：2非线’陆变换 前，有一个对矩值求平均的过程，该平均值是在矩图像的小窗门中计算得到的。 针对这两个窗口，我们研究了窗口大小的选取以及阶数的提高对窗口大小选取的 影响。实验结果进一一步证实了：对于更加细密的纹理我们需要选取较小的窗口， 对于比较粗糙的纹理我们需要选取较大的窗口。同时实验中我们发现，特征提取 时所选窗口的大小没有因为阶数的提高而需要改变，随着阶数的提高，求平均时 窗L1的大小需要减小。 由于随着矩的阶数的提高，整个程序的运算量也增加很多，为此在用正交矩 提取特KH,I+我们引入了两个快速算法。试验结果表明：这两个快速算法在减少程 序运行时间的同时，仍然可以有效地完成分割。 关键词勒’止德矩，几何矩，纹理分割，Radial Basis Function人工神经网络 ————塑圭堂焦丝苎二=苎主要窭堑塑竺型坌型Abstract ————塑圭堂焦丝苎二=苎主要窭堑塑竺型坌型 Abstract Texture is one ofthe important feattwes ofnatural images，remote sensing images and medical images Most of the images got from vision systems are of various textures So texture segmentation is a necessary step to identify the surthce or all object in ail image．In this paper,a new segmentation algorithm based on Legene momel]t is presented． Texture segmentation is a difficult task in texture analysis Texture segmentation consists of dividing the textures with different features into nnintersectant regions． The textural features in one region are similar and they are different in different regions．In the segmentation process，the Legendre moments in small local windows of the images are computed first and a nonlinear transducer is used to map the momeflts to textural features and these features are used to construct feature vectors served as input data of the clustering algorithm．Then a RBF neural network is followed to perform segmentation K-me