紋理圖像的結(jié)構(gòu)提取方法研究.pdf

1、從多種紋理的自然圖像，或“主結(jié)構(gòu)+紋理”鑲嵌圖像中高效提取結(jié)構(gòu)信息是計算成像和圖像分析的基礎(chǔ)研究課題。該技術(shù)不僅能大大提高圖像理解質(zhì)量，還能應(yīng)用于目標檢測和顯著性分析等計算機視覺問題上，具有廣泛的研究和應(yīng)用價值。紋理的多樣性和復(fù)雜性給結(jié)構(gòu)提取工作帶來一定難度，目前的研究方法主要集中在對結(jié)構(gòu)或紋理的先驗性度量上，常要求紋理具有規(guī)則性，對普遍的、隨機的紋理圖像往往不能得到令人滿意的結(jié)果。同時，算法的效率也有待提升。
　　本文首先從模型

2、優(yōu)化的角度，將刻畫結(jié)構(gòu)的有效新先驗，即超拉普拉斯梯度先驗，應(yīng)用于結(jié)構(gòu)提取中，從而提出基于超拉普拉斯梯度先驗的圖像平滑模型（LpG）。該模型在自然圖像上能很好地保持顯著結(jié)構(gòu)并去除細小的無關(guān)細節(jié)，算法運行速度快，在卡通圖像去振鈴和舌圖像分割上得到了很好的應(yīng)用。但對顯著性紋理圖像效果不夠理想，因此，本文在相對全變分模型的基礎(chǔ)上，通過高斯模糊修正參照圖，提出基于模糊引導(dǎo)的相對全變分方法（blur_RTV）。該方法能夠有效改善相對全變分無法去除結(jié)

3、構(gòu)邊緣殘留紋理的這一缺點，保證了結(jié)構(gòu)邊緣的光滑性，對具有顯著單一方向的紋理圖像提取效果較好。
　　上述兩種方法在一定程度上顯著提高了結(jié)構(gòu)提取效果，但同樣存在對先驗的依賴和要求紋理模式的問題。因此，為提高算法的普適性，本文創(chuàng)新性地從機器學(xué)習(xí)角度考慮結(jié)構(gòu)提取方法。通過對輸入圖像判別各個像素點的結(jié)構(gòu)紋理屬性，得到圖像的結(jié)構(gòu)輪廓特征標記圖，再與加權(quán)全變分方法結(jié)合，構(gòu)成基于結(jié)構(gòu)輪廓特征學(xué)習(xí)的加權(quán) TV方法（LTV）。實驗結(jié)果表明，大量數(shù)據(jù)集