塔型方向滤波器组,各向异性的核期望,转移滤波器,边缘检测

#$期

王兆虎等#一种基于视觉特性的遥感图像分割

#?">

图像来说!像素点的邻域具有区域连续性!单纯聚类并没有考虑图像的结构信息"基于统计学的分割方法具有良好的分割效果!但这种方法分割的类别过多!其运算复杂度较高"基于区域增长的分割方法的表面拟合是从种子点的迭代开始的!所以算法的性能依赖于初始种子的选择!其参数选择比较困难!计算准确性易受噪声的影响"基于边缘的分割方法可以获得边界线段!但是轮廓需要后续操作才能保持连续!在边界不明显的地方很难确定区域9

这就需要有较好的图像表还能保持较好的结构信息!

示方法来处理!而塔型方向滤波器组具有以下特点#

’(多分辨率<塔型方向滤波器组是一种多分辨#

率的图像滤波器!它能进行多尺度分解!对图像从粗糙到精细进行连续逼近<

’(局域性<我们用的支撑基是随尺度而长宽比变!

化的)长条形*结构!在空间域和频域都具有局域性<’(紧框架<@14分解和Z2A都具有完全重构特性!显然!由其组合而成的塔型方向滤波器组也能实由以上分析!我们认为单纯靠一种方法并不能取得良好的分割效果9本文是从图像的结构信息出发!运用图像分割和边缘检测组合的算法9算法的基

本思路是#

通过塔型方向滤波器组$!%

对图像进行预处理!这样不仅能有较好的去噪效果!还能保持图像

的结构信息!再运用&DJJG算子$@%

的三个最佳边缘

检测标准对图像的边缘信息进行提取!

利用各向异性期望转移滤波器进行自适应图像分割!最后将分割后的图像与检测边缘进行修正9本文的方法!直接考虑图像的关键信息!保持了图像较好的视觉特性!通过图像边缘的结构信息!简化了分割的操作!并能很好控制分割的程度!适应实际需要9

!基于塔型方向滤波器组的预处理

随着对图像高维数据的深入研究!特别是计算机视觉的发展表明!

传统小波变换的非线性逼近误差只能达到;Y#的衰减级!

其中的重要原因是二维可分离小波基只具有有限的方向!即水平&垂直&对角!方向性的缺乏使小波变换不能充分利用图像本身的几何正则性<目前!出现了许多新的图像表示方法!主要有Z7和6P;;PS8E提出的脊波变换’/EVO

P8P;SDJHT7SC($<

%

!&DJVPH和Z7J7N7提出的&ISRP8P;SDJHT7SC$%%

理论!1P4PJJP:和3D88D;提出的DJVP8P;变换$?%以及Z7和1I提出的&7J;7IS8P;H

SDJHT7SC$>%

等等!

这些方法是一种多分辨的&局域的&方向的图像表示方法!其主要特点是#将高维数据的某些重要特征集中体现于其低维子集中’如曲线&面等(<

塔型方向滤波器组具有各向异性尺度关系!它将多尺度分析和方向分析分别迭代进行!首先由14

’1DQ8D:EDJ4GSDCEV($"%

变换对图像进行多尺度分解以)捕获*点奇异!接着由方向滤波器组’ZESP:;E7JD8E8;PSADJU!Z2A(

$B%

将分布在同方向上的点奇异合成为一个系数<

基于视觉信息的图像分割要求图像在预处理后

现完全重构!并且塔型方向滤波器组与14分解有相同的冗余度!对于图像压缩来说!塔型方向滤波器组能形成一个冗余度较小的基底!这表现了其良好的紧支性<

’<

(各向异性<塔型方向滤波器组不受方向的约束!

在边缘信息上能充分保持方向性<塔型方向滤波器组的这些特点!能很好反映人眼视觉特性!同时对+0/图像相干斑的去除也具有较好的性能<

!基于各向异性期望转移的

自适应分割

!!我们在图像的特征空间内对图像进行分割!

通过采用期望转移的自适应攀升的方法来控制被分割

区域的选取!从而证明利用核密度估计$#$%

能自适应

进行期望转移<

证明<!设在1维空间=1

中!

有/个数据点.!

.[#!!!+!/!我们用核>’!(和对称的1\1带宽窗"来表示多峰核函数的密度估计!在!点有

]/

&’

!(?/">"’!@!.(’#

(.?#

其中!

>,!>’"@#,

"’!(?"#!!(’!

(>’!(

是紧支撑的有限函数是谱范数!则有以下等式成立#

#=

1

>’!(V!?#!

A$^1>’!(?$!’@

(1

其中#

=

!>’!(V!?$!#

=

1!!5>’!(V!?">#">是常数<我们可以通过两种不同的方式产生多峰核#

1

>:

’!(?%>#’!.(

.?#’<(>!’!(?2B!1

>#(其中>:’!(是从一元核变量产生!而>!’!(

是在空间=1内核变量旋转产生的<对于同质区域的轮廓来

<;55A5!2