对偶树复小波变换模糊纹理分割算法研究

需积分: 10 1 下载量 82 浏览量 更新于2024-09-06 收藏 571KB PDF 举报
"这篇论文是2012年发表在《计算机工程与应用》(Computer Engineering and Applications)期刊第48卷第14期的一篇文章,由侯艳丽和杨国胜共同撰写,标题为“基于对偶树复小波变换的模糊纹理分割”。文章提出了一种新的纹理图像模糊分割算法,主要利用对偶树复小波变换进行特征提取,并通过改进的模糊C均值聚类算法进行纹理分类,提高了分割效果。" 本文探讨的核心技术是基于对偶树复小波变换(Dual-Tree Complex Wavelet Transform, DTCWT)的纹理图像分析方法。对偶树复小波变换是一种信号处理技术,它在处理图像时具有良好的方向选择性和多分辨率特性,能有效提取纹理图像的频域特征。在图像分析领域,特别是纹理分割中,这种变换可以提供丰富的纹理信息,帮助区分不同纹理区域。 论文中提到的传统模糊C均值聚类算法(Fuzzy C-Means, FCM)虽然常用于纹理分类,但其归属度函数基于样本到类中心的距离,这可能导致对于非球形分布数据的不适应。为解决这一问题,作者提出了一个创新的策略,即引入样本间的紧致度(fuzzy connectedness)来修正归属度函数。紧致度能够衡量类中样本间的相互关系,对于非球形分布的数据集更加合理。通过这种方式,改进后的算法能够在保持与模糊C均值算法相近的运行时间的同时,显著提升分割的精度、边缘准确性以及区域一致性。 实验结果验证了该方法的有效性,相比于传统的模糊C均值算法,改进的算法在多个性能指标上都有所提升,特别是在处理复杂纹理图像时,其优势更为明显。这对于纹理图像分析、识别以及图像处理等相关领域的研究有着重要的理论和实践意义。 这篇论文的研究成果为纹理图像分割提供了新的思路,即结合对偶树复小波变换的特性与样本间关系的考虑,优化聚类过程,以提高图像分割的质量和效率。这对于计算机视觉、图像处理和模式识别等领域的发展具有积极的推动作用。