导读:本文包含了纹理分割论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:纹理,图像,局部,特征,算子,水平,像素。
纹理分割论文文献综述
胡新[1]（2019）在《结合纹理特征超像素分割的显着性检测》一文中研究指出为了提取更加准确均匀的显着目标区域,论文提出改进的结合纹理特征超像素分割的显着性检测算法。首先,结合纹理特征对图像进行超像素分割;然后通过边界连通性得到初始背景超像素,利用K-means算法对背景超像素进行优化后计算其权值;最后计算基于背景先验的超像素颜色特征差异显着度,再对其进行多尺度优化得到最终显着图。在MSRA10K和ECSSD1000大型数据集上,将论文算法与其他几种算法进行对比测试,实验结果表明论文算法综合性能优于其他几种算法,适用性和鲁棒性更强。(本文来源于《计算机与数字工程》期刊2019年08期）
谌华,郭伟,闫敬文[2]（2019）在《综合边界和纹理信息的合成孔径雷达图像目标分割》一文中研究指出目的针对传统Grab Cut算法需要人工交互操作,无法实现合成孔径雷达(SAR)图像的自动分割,且方式单一(仅利用边界或纹理信息中的一种)的问题,提出一种综合利用边界和纹理信息的改进Grab Cut算法,实现对SAR图像目标的自动分割。方法首先将其他格式的彩色或灰度SAR图像转化为24 bit的位图,采用图形理论对整幅SAR图像建模,根据最大流算法找到描述图的能量函数最小的割集,从而分割出目标区域;然后采用中值滤波抑制相干噪声;最后通过邻域生长算法滤除图像斑点和小目标的干扰,从而达到目标边界的连接,实现自动对SAR图像中的目标进行分割。结果在64位Window 7环境下采用MATLAB R2014处理平台,对楼房、车库、大树、汽车群等4幅分辨率不同的SAR图像进行目标分割实验,特征目标被自动分割出来,耗时分别为1. 69 s、1. 58 s、1. 84 s和3. 09 s,相比Mean-shift和Otsu算法,平均计算效率分别提升150%和3%,并且图像中的背景杂波、目标阴影和干扰小目标均被有效去除。结论综合利用边界和纹理信息能够有效抑制相干噪声,去除图像斑点和小目标的干扰,从而达到目标边界的连接,实现对SAR图像目标的自动分割。实验结果表明,本文算法可以满足工程化应用要求,自适应性强,分割精度高,且具有较好的鲁棒性。(本文来源于《中国图象图形学报》期刊2019年06期）
薛宾田,张建伟,刘博[3]（2019）在《基于LBP纹理特征和Canny算子的视频分割方法研究》一文中研究指出针对目标区域和背景区域交界处颜色相似度较高的图像分割问题,提出基于LBP(Local Binary Patterns)纹理特征和Canny算子的视频分割算法。构造能量函数的数据项颜色模型和光滑项对比度模型;根据当前block直方图与LBP背景模型直方图的相似度调整全局颜色模型和局部颜色模型的比例来改进颜色分量;通过Canny边缘检测方法对改进后颜色模型生成的图像进行检测,将得到的边缘检测结果应用到对比度分量模型中来增加前景和背景对比度;使用Graph Cut算法对能量函数进行求解,得到最终分割结果。实验结果表明,当背景光照发生变化且前景和背景交界处颜色相似时,该算法具有明显优势。(本文来源于《计算机应用与软件》期刊2019年05期）
周力[4]（2019）在《基于局部算子的复杂纹理图像分割方法研究》一文中研究指出纹理图像分割是图像处理领域的重要研究方向之一,同时也是图像处理领域的重要基础问题。但是,由于纹理具有数量繁多、结构复杂以及形态各异的特点,且人们对于人类视觉系统感知纹理的机制认识不成熟,纹理图像分割依旧是图像处理领域的一大难题,同时也是图像处理领域的研究热点之一。纹理图像分割一般分为两个步骤进行:首先利用特征提取算子提取纹理特征,然后通过构建能量泛函等方法进行纹理图像分割。纹理的多样性和纹理模式的复杂性造成现有的纹理特征提取算子难以准确描述纹理特征,从而导致最终的分割结果不够精确。在提取纹理特征后,一般利用分割模型结合纹理特征完成纹理图像分割,其中水平集方法具有分割结果是闭合曲线、有完整的数学理论支撑、拓扑不变等优点,在图像分割领域表现了良好的性能。本文基于局部算子对纹理图像分割问题进行研究,利用局部算子提取局部区域的特征,并将纹理特征融入到水平集方法中完成纹理图像的分割。主要工作如下:(1)介绍并总结了纹理图像分割的研究意义、难点和常用的方法,局部算子的研究现状及其在纹理图像分割中的应用;随后选出几种常用的纹理图像分割技术进行简单的介绍。(2)提出了一种基于多特征的水平集方法用于纹理图像分割。具体的,提出了局部连接度算子和局部差异度算子两种新的局部算子,并将灰度信息和两种局部特征算子所提取的纹理特征融入到水平集方法中,得到最终的分割结果。其中局部连接度算子用来描述局部区域中与中心点相连接且具有相似灰度的点的数量,局部差异度算子用来描述局部点和中心点的灰度差异程度。最后通过一系列的实验,证明该方法的有效性和优势。(3)提出了利用Gabor滤波器和改进的LTP算子相结合提取纹理特征的方法。具体的,利用Gabor滤波器提取具有相似性的纹理特征,利用LTP算子描述局部的差异性,并对原始LTP不能准确描述局部特征的问题进行改进,得到改进的LTP算子。将Gabor滤波器与改进的LTP算子融合到水平集方法中,完成纹理图像的分割。并通过实验,验证该方法的有效性和优势。(本文来源于《合肥工业大学》期刊2019-05-01）
梁秋怡[5]（2019）在《结合纹理特征和超像素分割的高分影像分类识别方法》一文中研究指出遥感影像分类技术正在逐渐发展,然而其数据源获取效率低,成本高,数据量大等缺点使得当前遥感分类技术不能满足当前实物分类以及地物跟踪等的需求。无人机技术的快速发展,使得获取高分辨率影像数据越来越便利,具有时效性强、分辨率高和成本低等优点,弥补了使用传统方式获取遥感影像数据的不足。本文以提取桉树信息为例,针对无人机影像高精度,分辨率极高的特点,结合计算机在图像处理方面的发展研究,研究纹理特征的多种提取方法,选取灰度共生矩阵作为提取纹理特征值的方法,提取桉树与非桉树样本的相关值、对比值、能量值和同质性等纹理特征,对不同影响因子(图像大小、步距、方向)生成的灰度共生矩阵的进行试验对比,测试结果得出,桉树与非桉树相比,有着明显可分的纹理特征。研究彩色特征的多个色彩模型,最终选取Lab色彩模型作为影像色彩特征值。纹理特征值与色彩特征值将作为本文的基础数据,应用在分割方法与分类方法中。通过实验对比当前计算机领域的图像分割方法(边缘检测算子,直线提取法,阈值分割,分水岭算法、区域生长和分裂方法、超像素分割与DBSCAN聚类法),实验表明超像素分割结合DBSCAN聚类的分类方法精度更优,该方法依据图像的色彩特征值(Lab)与空间坐标把图像分割出不同的区域,这些区域有很清晰的边界,分割的结果更贴近每块地类的边缘,产生的图像噪声相比于其他分割方法大幅度减少。为了进一步识别桉树,本文研究分析了平行六面体等6种监督分类方法,本文提出的结合超像素分割和支持向量机的分类识别方法,根据超像素图像分割获得的分割区域,提出以质心点为中心提取桉树多个特征值作为分类数据进行分类。使用上述的6种方法以及本文方法,使用同一幅测试图像进行桉树识别,对得到的实验结果进行定量评价。结果表明,本文方法所得到的分类结果对比其余6种分类方法,精度显着提高,并消除超像素分割方法产生的噪声,经过实验的对比分析,本文方法的桉树分类结果更准确。最后,本文对提出的桉树识别分类方法进行了基于GIS平台的实现。首先研究自动分类流程,针对本文的分类方法设计了模型框架、分类程序的流程及数据对象关系,通过编程方法在基于ArcGIS平台上实现桉树的自动分类原型插件。本文提出先分割后分类的自动分类识别方法能够有效地对桉树进行识别分类,针对目前难以区分的地物提供了一种新的分类思路,为无人机高分影像分类识别的发展提供良好的参考价值。(本文来源于《南宁师范大学》期刊2019-05-01）
刘涛[6]（2019）在《基于几何约束稀疏表达的纹理图像分割研究》一文中研究指出纹理图像分割是计算机视觉中的经典问题,其将纹理图像划分为不同的纹理区域。作为一项关键技术,纹理图像分割已经广泛用于许多视觉应用中,如自动机器人导航,遥感图像分析和医学图像分析。纹理图像分割关键的一点是要正确地找出不同纹理区域内的纹理基元。这个任务可以被视为挖掘高维纹理图像的低维子结构的过程,其可以通过基于字典学习的稀疏表达来有效地完成。本文专注于研究用于纹理图像分割的稀疏表达模型。在实际场景中,纹理图像分割输出的预期标签图像通常会显示出一些几何特性,例如标签图像的分块恒定性与区域边界的连通性。然而,传统的稀疏表达模型不能表征这些几何特性。本文的主要内容是提出有效的稀疏表达模型来进行纹理图像的分割,其可以很好地诱导分割结果的几何特性。此外,论文还研究了相关的纹理特征提取方法以及后处理技术。基于所提出的模型与技术,本文设计了两种完整的纹理图像分割方法,一种用于允许用户交互的情况,另一种用于全自动分割的情况。本文的主要工作总结如下:(1)提出了一种用户交互式的纹理图像分割方法。该方法允许用户以简单而有效的方式为小的纹理区域提供初始标签。利用这些标签,纹理图像分割问题被转化成了弱监督的图像块分类问题。然后就提出了一种弱监督的稀疏表达模型来利用给定的标签进行分割。所提出的模型还利用了分割标签图像的几何特性的先验。通过控制标签图像的小波系数的7)_0范数来引入标签的分块恒定性。通过约束标签图像为闭运算的不动点来保证区域边界的连通性。为了获得更全面的纹理特征作为输入,提出了一种基于局部直方图多特征融合的纹理特征提取方法。(2)通过特征量化将上述弱监督模型扩展到无监督模型,提出了一种全自动纹理图像分割方法。为了提高无监督模型的性能,本文还采用降维技术对上述特征提取方法进行了改进。所提出的方法在两个基准数据集上使用多种不同的指标进行了评估。实验结果表明了所提方法的有效性。(本文来源于《华南理工大学》期刊2019-04-15）
周力,闵海[7]（2019）在《基于局部连接度和差异度算子的水平集纹理图像分割》一文中研究指出目的复杂纹理的图像分割一直是图像分割的难题,现有的一些纹理图像分割方法主要通过提取图像确定方向的灰度变化特征或者提取图像的局部灰度相似性特征得到特征图像,从而进行纹理图像的分割,然而,自然纹理中普遍存在局部形态相似和方向不确定的现象,导致现有方法不能准确地分割纹理图像。方法本文提出局部连接算子和局部差异算子来描述局部纹理的形态相似性和局部纹理的差异度。一方面,通过设定一定阈值,将局部区域的灰度差异分为两类,分析两类差异的分布特征,从而提取图像的形态特性及局部连接度算子;另一方面,设置一种无方向性的灰度差异分析算子,提取图像局部的灰度差异值从而得到局部差异度算子。两个算子结合以更好地提取纹理图像的局部特征,然后通过融合局部相似度特征、局部差异度特征和灰度信息,构造水平集能量泛函,进而通过最小化能量泛函实现纹理图像分割。结果相比基于Gabor变换、结构张量、局部相似度因子的纹理分割方法,提出的局部算子能够更好地区分自然图像的不同纹理区域,且对实验图像的平均分割准确率高达97%,远高于其他方法。因此,提出的模型对于自然纹理图像具有更好的分割效果。结论本文提出了两种新颖的纹理特征局部描述子:局部连接度算子和局部差异度算子,能够有效地提取纹理特征,且有一定的互补性。实验表明,提出的方法对于复杂自然纹理图像具有良好的分割效果。(本文来源于《中国图象图形学报》期刊2019年01期）
杨振宇,潘振宽,王国栋[8]（2019）在《彩色纹理图像分割的非局部Mumford-Shah多通道全变差模型》一文中研究指出彩色纹理图像分割的困难在于纹理图像成分的描述及彩色图像层与层之间的耦合。为解决该问题,基于多通道全变差规则项可优化彩色图像层与层之间的耦合,非局部算子可以描述纹理图像特征的特点,提出了彩色纹理图像分割的非局部Mumford-Shah多通道全变差变分模型。所提模型综合多通道全变差模型、非局部Mumford-Shah模型优点,并用二值标记函数划分区域。为了提高数值计算效率,对所提出模型设计了ADMM(alternating direction method of multipliers)优化算法。最后,通过数值实验对比以及定性与定量分析表明方法对于彩色纹理图像的分割取得较好结果。(本文来源于《重庆大学学报》期刊2019年01期）
杨振宇,潘振宽,王国栋,魏伟波[9]（2018）在《纹理图像分割的非局部Mumford-Shah-TV模型及其ADMM算法》一文中研究指出为了提高纹理图像分割的准确率,解决纹理图像中纹理图像成分及纹理区域边界难以描述的问题.基于总变差(total variation, TV)规则项可得到纹理图像区域隐藏的图像结构、非局部算子可以描述纹理图像特征的特点,综合TV模型、非局部Mumford-Shah模型,并用二值标记函数划分区域,提出纹理图像分割的非局部Mumford-Shah-TV变分模型;为了提高计算效率,对所提出的模型设计了相应的交替方向乘子算法,将原问题分解为一系列优化子问题求解.数值实验结果表明,该模型计算的纹理图像区域边界较好,并具有较高的准确率.(本文来源于《计算机辅助设计与图形学学报》期刊2018年12期）
王慧斌,高国伟,徐立中,文成林[10]（2018）在《基于纹理特征的多区域水平集图像分割方法》一文中研究指出现有多区域水平集方法大多利用复杂的能量函数来驱动多个水平集函数的演变,这样不仅模型复杂且存在很多限制.为此本文提出一种基于纹理特征的多区域水平集方法,利用任意数量的水平集函数来对相应数量的图像区域进行分割.本文首先对图像的颜色和纹理信息建立联合分布并将其代入能量函数;引入平滑概率标签,根据概率性质建立基于标签驱动的多区域水平集迭代更新方程.之后将每个水平集投影到离散概率空间得到一系列近似标签,并由这些标签得到基于多区域水平集的先验概率,从而将多个轮廓演变信息代入统计框架.而不同区域的统计参数也通过最小化能量函数由概率标签迭代更新.通过与其他分割算法在大量复杂实景图像上的实验对比,验证了本文算法的有效性.(本文来源于《电子学报》期刊2018年11期）
纹理分割论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的针对传统Grab Cut算法需要人工交互操作,无法实现合成孔径雷达(SAR)图像的自动分割,且方式单一(仅利用边界或纹理信息中的一种)的问题,提出一种综合利用边界和纹理信息的改进Grab Cut算法,实现对SAR图像目标的自动分割。方法首先将其他格式的彩色或灰度SAR图像转化为24 bit的位图,采用图形理论对整幅SAR图像建模,根据最大流算法找到描述图的能量函数最小的割集,从而分割出目标区域;然后采用中值滤波抑制相干噪声;最后通过邻域生长算法滤除图像斑点和小目标的干扰,从而达到目标边界的连接,实现自动对SAR图像中的目标进行分割。结果在64位Window 7环境下采用MATLAB R2014处理平台,对楼房、车库、大树、汽车群等4幅分辨率不同的SAR图像进行目标分割实验,特征目标被自动分割出来,耗时分别为1. 69 s、1. 58 s、1. 84 s和3. 09 s,相比Mean-shift和Otsu算法,平均计算效率分别提升150%和3%,并且图像中的背景杂波、目标阴影和干扰小目标均被有效去除。结论综合利用边界和纹理信息能够有效抑制相干噪声,去除图像斑点和小目标的干扰,从而达到目标边界的连接,实现对SAR图像目标的自动分割。实验结果表明,本文算法可以满足工程化应用要求,自适应性强,分割精度高,且具有较好的鲁棒性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
纹理分割论文参考文献
[1].胡新.结合纹理特征超像素分割的显着性检测[J].计算机与数字工程.2019
[2].谌华,郭伟,闫敬文.综合边界和纹理信息的合成孔径雷达图像目标分割[J].中国图象图形学报.2019
[3].薛宾田,张建伟,刘博.基于LBP纹理特征和Canny算子的视频分割方法研究[J].计算机应用与软件.2019
[4].周力.基于局部算子的复杂纹理图像分割方法研究[D].合肥工业大学.2019
[5].梁秋怡.结合纹理特征和超像素分割的高分影像分类识别方法[D].南宁师范大学.2019
[6].刘涛.基于几何约束稀疏表达的纹理图像分割研究[D].华南理工大学.2019
[7].周力,闵海.基于局部连接度和差异度算子的水平集纹理图像分割[J].中国图象图形学报.2019
[8].杨振宇,潘振宽,王国栋.彩色纹理图像分割的非局部Mumford-Shah多通道全变差模型[J].重庆大学学报.2019
[9].杨振宇,潘振宽,王国栋,魏伟波.纹理图像分割的非局部Mumford-Shah-TV模型及其ADMM算法[J].计算机辅助设计与图形学学报.2018
[10].王慧斌,高国伟,徐立中,文成林.基于纹理特征的多区域水平集图像分割方法[J].电子学报.2018
论文知识图
