基于多窗口局部分形特征的目标分割算法.doc

《基于多窗口局部分形特征的目标分割算法.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、多窗口局部分形特征的目标分割方法研究摘要：提出了新的图像多窗口局部分形特征计算方法，并结合传统的图像分割方法，给出了一种新的复杂背景下人造目标分割算法。首先用指数小波滤波器在一个尺度上对图像进行滤波，突出图像的边缘信息。然后根据滤波后图像像素点的亮度大小，对原始图像进行多窗口几何度量空间变化率的计算，在此基础上，运用区域生长实现目标分割。最后对分割得到的图像进行数学形态学处理，提取出图像的目标。实验表明,该算法能够有效地实现复杂背景中的目标分割，并且计算复杂度低。关键词：图像分割；分形；多窗口；几何度量空

2、间变化率特征；区域生长AlgorithmforTargetSegmentationBasedonMultiwindowedLocalFractalFeatureAbstract:Amethodofcomputationformultiwindowedlocalfractalfeaturewaspresented,anovelsegmentationalgorithmbasedonthemethodandtraditionalimagesegmentationalgorithmwasproposedtode

3、alwithtargetundercomplexenvironment.Firstly,exponentialwaveletatonescalewasusedtofilterimageinordertoreinforcetheedgeofimage.Secondly,exactthefractalinterceptoforiginalimageusingmultiwindowedapproachaccordingtotheintensityoffilteredimage,andrealizetargetd

4、etectionusingregiongrowingalgorithm.Finally,morphologicaloperationwasutilizedtoextracttarget.Experimentsshowthattheproposedmethodcansegmentandextracttheareaoftargetundercomplexenvironmenteffectivelyanditslowcalculationwasalsoproved.Keywords:Imagesegmentat

5、ion;Fractal;Multiwindow;Fractalintercept;Regiongrowingalgorithm1引言复杂自然背景下的目标分割技术一直是光电探测、精确制导等领域的首要问题，但是由于成像条件以及背景和噪声的干扰，在图像中分割出目标是非常困难的，基于边界以及区域的传统的分割方法都不能有效地得到图像目标[1]。分形几何的概念是Mandelbrot于1975年首先提出的，它是一门研究不规则集合或函数的科学。Pentland[2]等众多学者的研究表明：大部分自然景物表面所映射成的灰度图

6、像与人造目标具有不同的分形特征，根据自然景物与人造目标在分形特征上的差异就可将两者区分开。分形为复杂背景下人造目标的提取开辟了新途径。分形维数是分形的一个很重要特征，在图像分割和目标检测应用领域，研究者已经对其进行了充分研究[3-5]，几何度量空间变化率则是另一个重要的分形特征[6][7]。利用分形特征进行目标检测的方法为：先用固定大小的窗口计算图像的局部分形特征，再在此基础上进行目标分割。用固定窗口计算图像分形特征时存在一定的缺陷：用小窗口计算时，图像的局部边缘得到增强，导致得到的图像分形特征图中，边缘

7、信息较多，干扰目标分割；用大窗口计算时，图像目标与背景的边缘信息模糊，并且计算量会显著增加，增大了目标分割的难度。根据文献[8]的分析，在图像的强边缘处用小窗口计算，在图像的平坦区域用大窗口计算，可以获得较好的效果，但是其提出的多窗口控制策略非常复杂，不利于实际应用，并且该论文主要研究了自然图像的分割。本文提出了新的基于多窗口局部分形特征的目标分割算法，降低了算法复杂度，克服了传统方法存在的不足，有效地实现了自然背景图像中人造目标的提取。2多窗口局部分形特征提取2.1局部分形特征提取常用的分形特征有分形维

8、数、几何度量空间变化率、分形拟合误差、多尺度分形等。当自然背景中存在人造目标时，几何度量空间变化率会呈现一个较大值，利用该特征可以有效地去除自然背景干扰。在计算中常用“地毯法”来求得图像的几何度量空间变化率特征，其原理如下：用距离图像表面尺度为r的灰度地毯分别覆盖在图像的上表面和下表面，上地毯和下地毯的求法如下所示：(1)(2)式中为图像灰度，(m,n)是当前像素点(i,j)的不同窗口内的邻域点，，对应的地毯之间的体积和面积：