基于分形维数的纹理图像分割

　万方数据

计算机学报

ｋ）．我们假定这个条件概率是多维高斯的，因此计算概率转换为计算标号为特征沁分布的方差∑。和均值赢；．传统的方法是先用人工方法对特征空间进行分类，这里我们用Ｋ均值的簇分类方法先对特征空间分类‘“，得到Ｋ个簇种子点．

我们可以计算每个簇丸的均值扁。和方差子。及协方差子。。

ｎ＾

疬；，一÷∑如，（１６）

优ｊＪ—ｉ。乙ｚ＾，，【１６ｊ

～ｆ＝１

．～

％一尚∑（瓢，一哦№幻一礼）（１７）

式中”。是簇类丸中的样本数．Ｊ是特征向量ｘ的维数，ｏ≤歹≤９．从而得到均值和方差阵的无偏估计纸和∑。．用式（９）计算得到初始概率．

最后将用到的松驰算法总结如下：

１）选择相互信息系数为相容性系数．对每个８邻域用式（１２）计算相容性系数．迭代过程中相容性系数是固定的；

２）按式（１４），（１５）计算迭代中的修改因子ｑ；：弱’（丸）和新的标号概率Ｐ｝””（丸）；

３）定义停止准则为∑。，｝Ｐ；…（＾）一Ｐ，“’（九）ｆ≤￡，＾∈Ａ，满足迭代准则则终止迭代，否则返回２）；

４）用每个像素标号的最大概率决定图像特征向量的分类，映射到原图上得到原图的分割，这个分割是一个灰度为＾的图像．

４仿真结果

４．１综合图像的分割结果

为检验分形特征集合的性能，我们用了Ｂｒｏｄａｔｚ纹理影集中的不同图像做成综合图像．在每点（ｉ，ｊ）用其附近尺寸为１７×１７的移动窗口计算１０个ＦＤ特征．特征平滑用窗口尺寸为９×９．首先，我们用５个纹理的拼贴图（图２（ａ）），拼贴成的图像为２５６×２５６像素动态２５６级灰度，结果图显示了各种方法的效果，我们的分割方法给出了４邻域和８邻域滤波效果的对比，可以看出８邻域滤波的效果较好，我们的方法对纹理综合的图像分割是成功的．

（ａ）原图＜ｂ）Ｈｉｓ８０方法（ｃ）ｃｈａｕｄｈｕｒｉ方法＜ｄ）Ｊａｉｎ方法（ｅ）新方法（４邻域滤波＞（｛）新方法（８邻域滤波）

图２不同方法对五纹理拼贴图的分割效果对比

为了看到增加纹理数量的结果，我们也用了其他纹理拼贴图像，包括１６种Ｂｒｏｄａｔｚ纹理拼贴和复杂形状的拼贴图像以及复杂形状的拼贴图像的分割结果．

表１不同分割方法的效果对比

表１显示了我们的方法和其它方法的结果比较．其中Ｈｓｉａｏ和ｓａｗｃｈｕｋｎ３用Ｌａｗ的纹理能量作为特征，用Ｂａｙｅｓｉａｎ准则分类．Ｊａｉｎ和ＦａｒｒｏｋｈｎｉａⅢ用Ｇａｂｏｒ滤波器组作为纹理抽取．他们的分类器基于前馈神经网络模型．Ｃｈａｕｄｈｕｒ一方法是基于分形特征向量，用Ｋ均值的簇分类方法完成纹理分类的．

４．２真实图像的分割结果

图像分割技术是计算机视觉对目标进行识别的重要途径，图像分割可以是基于边缘和基于区域的方法．这里的方法应该属于基于区域的方法．这里对ＳａｎＦｒａｎｃｉｓｃｏ湾区的航拍图像进行了分割实验，为了检验算法的稳定性，我们将Ｋ均值簇分类时的种类Ｋ分别用了３个值，算法都达到了预期的目的（图３）．

第２个例子是合成孔径雷达成像（ｓＡＲ）对山脉的成像（图４），这个例子的目的是识别图像中的山脉、峡谷和平原．从分割结果与实际情况对比来看，算法很好的完成了识别任务，即使是一些较小的峡

谷也得到了区分．　万方数据

１０期吴更石等：基于分形维数的纹理图像分割

１１１３

（ａ）原图（ｂ）Ｋ一４（ｃ）Ｋ＝８图３

ｓａｎ

Ｆｒａｎｃｉｓｃｏ湾区的航拍图像的不同值的分割结果

图４综合孔径雷达成像（ｓＡＲ）图像的分割结果，Ｋ一３

参考文献

ｌ

ＢａｊｓｃｙＲ．Ｃｏｍｐｕｔｅｒｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｖｉｓｕａｌｓｕｒｆａｃｅｓ．Ｃｏ”垆“ｆＦｒ

（；ｍ肿如口Ｈｄ，所４∥Ｐｒ口唧Ｊｉ＂茸，１９７３，２（２）：１１８—１３０

２

ＣｏｎｎｅｒｓＲ

Ｗ，ＴｒｉｖｅｄｉＭＭ，ＨａｒｌｏｗＣＡ．ｓｅ卫ｍｅｎｔａｔｉｏｎｏｆ

ａ

ｈｉｇｈｒｅ８０ｌｕｔｉｏｎｕｒｂａｎｓｃｅｎｅ

ｕｓｌｎｇｔｅｘｔｕｒｅｏｐｅｒａｔｏｒｓ．ＣＤ，矽“ｆＰｒ

ｙ打ｆｏｎ，Ｇｍ户＾ｆｆｊ口∞ｄ』ｍｎｇ￡ＰｒｏｃＥｓ矗”ｇ，１９８４，２５（３）：２７３

３１０

３

ＨｓｉａｏＪＹ，ＳａｗｃｈｕｋＡＡ．Ｓｕｐｅｒｖｉｓｅｄｔｅｘｔｕｒｅｄｉｍａｇｅｓｅｇｍｅｎ－ｔａｔｉｏｎ

ｕｓｉｎｇ

ｆｅａｔｕｒｅｓｍｏｏｔｈｉｎｇ

ａｎｄ

ｐｒｏｂａｂｉｌｉｓｔｉｃ

ｒｅｌａｘａｔｉｏｎ

ｔｅｃｈｎｉｑｕｅｓ．饱ＥＥ丁加ｎＪ。，ｌ

ＰⅡ‘ｆＰ棚Ａ舢：妇５括口ｎｄ胁ｆ＾ｉｎｅＪ舯

拈比ｉｇｅｎｆｅ，１９８９，１１（１２）：１２７９一１２９２４

ＪａｉｎＡＫ，Ｆａｒｒ。ｋｈｎｉａＦ．

Ｕｎｓｕｐｅｒｖｉｓｅｄｔｅｘｔｕｒｅ

ｓｅｇｍｅｎｔａｔｉｏｎ

ｕｓｉ“ｇｇａｂｏｒ

ｆｉｌｔｅｒｓ．Ｐ４ｆｆｅｍＲ盱。和靠如≈，１９９１，２４（１０）ｌ儿６７—

１１８６

５

ＷｉｌｓｏｎＲ，ＳｐａｎｎＭ．Ｆｉｎｉｔｅｐｒｏｌａｔｅｓｐｈｅｒｉａｌ

ｓｅｑｕｅｎｃｅｓ

ａｎｄ

ｔｈｅｉｒａｐｐｌｉｃａｔｉｏｎＩＩ

ｊ

ｈ１１ａｇｅｆｅａｔｕｒｅｄｅｓｃｒｉｐｔｉｏｎａｎｄｓｅｇｍｅｎｔａ—

ｔｉｏｎ．

饱嬲ｎａ”５册Ｐ删洲Ａ”口枷拈４ｎｄ肘口ｃ＾ｆ∞ＰＪ班胁

ｇｍｃＰ?１９８８，１０（１）：１９３—２０３６

ＣｒｏｗｎｏｖｅｒＪＲＫ，ＣｈｅｎＳ．Ｔｅｘｔｕｒｅｄｅｓｃｒｉｐｔｉｏｎａｎｄｓｅｇｍｅｎｔａ—

ｔｉｏｎ

ｔｈｒｏ“ｇｈｆｒａｃｔａｌ

ｇｅｏｍｅｔｒｙ．ＣＤ却“＃ｅｒ矿ｉｓｉｏｎ，Ｇｒ印＾ｉ甜口ｎｄ

（ｄ）五一９

Ｊｍ４９＃尸ｒＤｆ甜５ｉｎｇ，１９８９，４５（１）：１５０一１６０

７

ＴｈｅｒｒｉｅｎＣ

Ｗ．Ａｎｅｓｔｉｍａｔｉｏｎ—ｔｈｅｏｒｅｔｉｃａｐｐｒｏａｃｈ

Ｌｏ

ｔｅｒｒａｉｎｉｍ—

ａｇｅ

ｓｅｇｍｅｎｔａｔｉｏｎ．Ｃｏ彬声“缸ｒ

ｙｉ“Ｄｎ，‰声＾ｉｆｓ

ｎ”ｄ

ｊ，竹口ｇ苫Ｐ忙

ｃ盯５抽ｇ，１９８３，２２（３）：３１３—３２６

８

ＤｅｒｉｎＨ，ＥＵｉｏｔＨ．Ｍｏｄｅｌｌｉｎｇａｎｄｓｅｇｍｅｎｔａｔｉｏｎｏｆ

ｎｏｉ８ｙ

ａｎｄ

ｔｅｘｔｕｒｅｄ

ｉｍａｇｅｓｕｓｉ。ｌｇ

Ｇｉｂｂｓｒａｎｄｏｍｆｉｅｌｄｓ．

饱ＥＥ

７’口”５硎

尸４ｆｆｍｌＡｎ口伽妇口ｎｄ埘ｋｆ＾２ｎＰｈｆｅ卯ｉ耳珊钟，１９８７，９（１）：３９—５５

９

ＣｈａｕｄｈｕｒｉＢＢ，ＳａＴｋａｒＮ．Ｔｅｘｔｕｒｅｓｅｇｍｅｎｔａｔｉｏｎｕｓｉｎｇｆｒａｃｔａｌｄｔｍｅｎｓｉｏｎ．工ＥＥＥ丁，ｎｎｓ。＂Ｐ口“ＰｒｎＡｎ４加如口≈ｄ』ｌｆ口ｆ＾ｆｎＰ，，ｌ一

舱比ｆｇＰｎｆＰ，１９９５，１７（１）：７２—７７

１０ＣｈｅｎＣＣ，ＤａｐｏｎｔｅＪＳ，ＦｏｘＭＤ．Ｆｒａｃｔａｌｆｅａｔｕｒｅａｎａｌｙｓｉｓａｎｄ

ｃｌａｓｓｉｆｉｃａｔｉｏｎ

ｉｎ

ｍｅｄｉｃａｌｉｍ８９ｉｎｇ．，ＥＥＥ丁，口ｎ５聊胁ｄ

Ｊｍ４譬，

１９８９，８（６）：１３３—１４２

１ｌ

ＲｏｓｅｎｆｅｌｄＡ，ＨｕｍｍｅｌＲ，ＺｕｃｋｅｒＳ．Ｓｃｅｎｅｌａｂｅｌｉｎｇ

ｂｙｒｅｌａｘ—

ａｔｉｏｎ

ａｌｇｏｒｉｔｈｍｓ．

ｊＥＥＥ

Ｔｍ月５鲫＆埘，Ｍ口ｎ４＂ｄＣ，６Ｐ砌，

１９７６，６（５）：４２０—４３３

１２

ＰｅｌｅｇＳ，ＲｏｓｅｎｆｅｌｄＡ．Ｄｅｔｅｒｍｉｎｉｎｇｃｏｍ巾ａｔｉｂｉｌｉｔｙｃｏｅｆｆｉｃｉｅｎｔｓｆｏｒ

ｃｕｒｖｅ

ｅｎｈａｎｃｅｍｅｎｔｒｅｌａｘａｔｉｏｎ

Ｄｒｏｃｅｓｓｅｓ．

』ＥＥＥＴｒ口”ｓ伽

跏ｆ，ＭⅫ４”ｄ回幻ｍ，１９７８，８（６）；５４８—５５５

１３

ＺｕｃｋｅｒＳ

Ｗ，ＫｒｉｓｈｎａｍｕｒｔｈｙＥＶ，ＨａａｒＲＬ．Ｒｅｌａｘａｔｉｏｎ

ｐｒｏ

ｃｅｓｓｅｓ

ｆｏｒ

ｓｃｅｎｅ

ｌａｂｅｌｉｎｇ｛Ｃｏｎｖｅ。ｇｅｎｃｅ，ｓｐｅｅｄ，ａｎｄｓｔａｂｉｌｉｔｙ．ＩＥＥＥＴｒ口ｎｓ

ｏｎ

ｓｙ缸，Ｍ口＂口砖ｄ

Ｃｙｋｒｎ，１９＇８，８ｎ）：ｕ一４８

万方数据

基于分形维数的纹理图像分割

作者：吴更石，梁德群，田原， WU Geng-Shi， LIANG De-Qun， TIAN Yuan

作者单位：西安交通大学图像处理与识别研究所,西安,710049

刊名：

计算机学报

英文刊名：CHINESE JOURNAL OF COMPUTERS

年，卷(期)：1999,22(10)

被引用次数：19次

参考文献(13条)

1.Bajscy R Computer identification of visual surfaces 1973(02)

2.Conners R W;Trivedi M M;Harlow C A Segmentation of a high resolution urban scene using texture operators 1984(03)

3.Hsiao J Y;Sawchuk A A Supervised textured image segmentation using feature smoothing and probabilistic relaxation techniques[外文期刊] 1989(12)

4.Jain A K;Farrokhnia F Unsupervised texture segmentation using gabor filters 1991(10)

5.Wilson R;Spann M Finite prolate spherial sequences and their application Ⅱ: Image feature description and segmentation 1988(01)

6.Crownover J R K;Chen S Texture description and segmentation through fractal geometry 1989(01)

7.Therrien C W An estimation-theoretic approach to terrain image segmentation 1983(03)

8.Derin H;Elliot H Modelling and segmentation of noisy and textured images using Gibbs random fields [外文期刊] 1987(01)

9.Chaudhuri B B;Sarkar N Texture segmentation using fractal dimension[外文期刊] 1995(01)

10.Chen C C;Daponte J S;Fox M D Fractal feature analysis and classification in medical imaging[外文期刊] 1989(06)

11.Rosenfeld A;Hummel R;Zucker S Scene labeling by relaxation algorithms 1976(05)

12.Peleg S;Rosenfeld A Determining compatibility coefficients for curve enhancement relaxation processes 1978(06)

13.Zucker S W;Krishnamurthy E V;Haar R L Relaxation processes for scene labeling: Convergence, speed, and stability 1978(01)

本文读者也读过(1条)

1.张前进.郭雷.ZHANG Qian-jin.GUO-Lei自然背景下对人工红外目标的分形检测[期刊论文]-火力与指挥控制2007,32(9)

引证文献(19条)

1.陈灵娜.李丽华.肖建田.陈俊熹基于分维特征的肝脏CT图像识别[期刊论文]-南华大学学报（自然科学版）2010(1)

2.李军.庄镇泉.高清维.李海鹰基于多重分形分析的图像边缘检测算法[期刊论文]-电路与系统学报 2001(3)

3.胡英.陈辉.王绪本基于分形与投影法的汽车牌照定位[期刊论文]-河北工业大学学报 2004(5)

4.罗娅.马增益.黄群星.朱建新.王飞.朱佳琪.严建华.倪明江流化床图像的分形维数与颗粒运动度的关系[期刊论文]-电站系统工程 2004(5)

5.王刚.肖亮.姜志静.宋一中.贺安之亚像素多重分形方法在图像处理中的应用[期刊论文]-光学学报 2006(9)

6.金乃咏.陈树中一种将人造物边界从自然背景中分离的新方法[期刊论文]-中国图象图形学报 2000(5)

7.尹叶飞.吴秀清基于决策树SVM分类器的感兴趣区域定位方法[期刊论文]-计算机仿真 2007(1)

8.张涛.孙林.黄爱民图像分形维数的差分盒方法的改进研究[期刊论文]-电光与控制 2007(5)

9.肖亮.吴慧中.韦志辉图像多重分形测度的速降函数投影方法与图像奇异性分析[期刊论文]-电子与信息学报2005(8)

10.林小平.毛政元.刘建华纹理特征遥感影像分割研究[期刊论文]-测绘科学 2010(5)

11.李素昉.李金屏.吴波.王英姿基于纹理分析的图像形貌特征提取[期刊论文]-济南大学学报(自然科学版) 2004(3)

12.姜陆三维大规模地形的实时显示与渲染[学位论文]硕士 2005

13.郑瑶函纹理元提取与纹理合成方法及其应用研究[学位论文]硕士 2006

14.王丹青基于分形理论的大气悬浮颗粒物图像识别[学位论文]硕士 2006

15.熊芸基于边缘提取的图像检测与分割技术[学位论文]硕士 2006

16.张新峰.沈兰荪图像分割技术研究[期刊论文]-电路与系统学报 2004(2)

17.刘莉支持向量机及其在遥感图像处理中的应用[学位论文]硕士 2005

18.劳丽聚类算法研究及在图像分割中的应用[学位论文]博士 2006

19.田有文典型农作物叶部病害计算机图象识别方法的研究[学位论文]博士 2005

本文链接：https://www.360docs.net/doc/564613254.html,/Periodical_jsjxb199910016.aspx