资源描述：
《基于Gabor小波变换无监督纹理图像分割》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、2000年第5期 微 机 发 展 51〔文章编号〕 1005-3751(2000)05-0051-04基于Gabor小波变换的无监督纹理图像分割AGaborWaveletTransformation-BasedUnsupervisedTextureImagesSegmentation郭 立,朱俊株,陆大虎(中国科学技术大学电子科学与技术系,安徽合肥230026)GUOLi,ZHUJunZhu&LUDaHu(Univ.ofScience&TechnologyofChina,HefeiAnhui230026,China)
2、[摘 要]本文提出了一种基于Gabor小波变换的无监督纹分割,得到了良好的结果。本文所提出的方法与他们理分割方法,该方法首先对纹理图像进行Gabor小波变换,再的不同之处,首先在于构造的Gabor小波不同;其次是经过一组Gauss滤波器滤波,然后将得到的纹理特征送入由我们仅仅取了Gabor小波的实部,即偶对称Gabor小Hopfield网络构成的无监督分类器,最后得到纹理分割结果。波对原始纹理图像进行滤波处理,实验表明,偶对称实验和分析表明,该方法对于不同的纹理图像都具有良好的Gabor小波比复值Gabor小波更适用于纹理图像的分分割效果。析和处理;另外,在对原始纹理图像进行Gabor小波变
3、[关键词]Gabor小波变换;纹理特征;Hopfield网络;无监督换以后,通过一组Gauss滤波器,我们获得了更加稳定纹理图像分割的纹理特征,并且我们提出的无监督Hopfield网络在[ABSTRACT]Inthispaper,weintroduceamethodcalledun2松弛迭代算法下,只需较少的迭代次数即可快速收敛。supervisedtexturesegmentationbasedonGaborwavelettransfor2mation.First,wegettheGaborwavelettransformationsofthe实验和定量分析表明,本文的方法对于不同的纹理图
4、textureimagesbyasetofGaborfilters,thenusingasetofrela2像都具有良好的分割效果。tiveGaussfilterswecangetthetexturefeaturesoftheimages.本文所提出的纹理图像分割方法主要由纹理特征Afterclassifyingtheabovetexturefeaturesbyanunsupervised提取和纹理分类二部分组成。对于纹理特征的提取我classifiercomposedbyaHopfieldneuralnetwork,wecangetthe们采用了Gabor小波变换技术,获得一组初始的纹理s
5、egmentationofthetextureimagesatlast.Aftersomeexperi2特征,然后再经过一组Gauss滤波器,从而得到一组稳mentsandanalysis,itcanbeseenthatourmethodcanbeusedto定的纹理特征。不同的滤波器通道具有不同的调制频segmentdifferenttextureimagesandtheresultsarequitebetter.率和调制方向,能够得到输入纹理图像的不同局部特[KEYWORDS]GaborWaveletTransformation;TextureFea2征,如反映空间频率和方向变化的特征等
6、。最后采用ture;HopfieldNeuralNetwork;UnsupervisedTextureImage无监督的Hopfield网络,通过松弛迭代算法实现纹理Segmentation图像的快速分割。流程图如图1所示。[中图分类号]TP751;TP391.41[文献标识码]A1 引 言在图像处理与计算机视觉领域,纹理图像分割是[5]一项困难而又重要的技术。由于Gabor小波变换较[4]好地描述了生物视觉神经元的感受野问题,根据特定的视觉需要可相应地调整它的空间与频率特性,所图1 纹理图像分割流程图以适合用于纹理图像的分析与处理。2Gabor函数与Gabor小波变换较早将Gabor小波变
7、换技术应用于纹理图像分割[3]由于纹理表现出准周期性的统计特征,不同的纹的A.K.Jain等人结合非线性变换技术和均方差聚[1]理有一个主要频率和其它一些次要频率分量,其频带类技术,实现了对多种纹理的分割;XingWu等人将宽度一般较窄;而Gabor小波是一组窄带带通滤波器,Gabor小波变换技术用于3-D物体的识别,取得了鲁[4][2]在空间域和频率域均有较好的分辨能力,有明显的棒的效果;P.P.Raghu
