基于独立成分分析的纹理分割研究

【摘要】：图像分割是图像分析一个重要组成部分，是图像理解的基础，分割准确率和区域边缘定位好坏，是决定后续目标识别成功与否的关键。纹理分割作为一类特殊的纹理分析模式，在近几年中得到广泛的研究，并在遥感图像图像处理和医学图像处理等实际领域得以应用。本文重点阐述了基元独立成分分析(ICA)的纹理分析方法及其在纹理分割中的应用，具体研究工作如下： 一、阐述了ICA算法的原理以及基于信号峰度估计准则的快速定点算法(FastICA算法)。对纹理图像，用FastICA算法可得到一组具有多通频带和多方向选择性ICA纹理基元，适合应用于提取图像纹理特征。 二、比较ICA纹理基元与gabor滤波器，认为ICA算法提取出的纹理基元组除了可像Gabor滤波器组一样具有方向和频率选择外，它还可在单个纹理基元内实现多通频带和多方向选择，比gabor滤波器有更好的纹理分割效果。把小波变换和ICA算法相结合，扩展ICA纹理基元的空间尺度描述能力，使其能准确分割有较大纹理结构的纹理图像。 三、基于纹理基元的尺度—频率特性，提出一种多尺度独立成分分析(MICA)方法，扩展ICA纹理基元的频率描述能力；应用小尺度纹理基元分析图像纹理的高频分量，定位不同纹理区域的边界位置；用大尺度纹理基元分析图像纹理的低频分量，实现不同纹理区域的准确区分。进一步，提出能量守恒MICA算法，用小能量值的纹理基元对纹理图像做多尺度分析，解决了分割时间和分割效果之间的矛盾。 四、基于ICA纹理基元彼此相互独立的特点，利用不同基元对纹理图像的能量响应不同，提出一种自适应ICA纹理基元选择方法，实现对纹理图像的低维ICA分析，提高纹理分割的实时性。 五、利用ICA算法的最大非高斯投影特性，提出了基于ICA的数据降维算法，在降低特征向量维数的同时，较好地保留数据的分布结构，取得比PCA投影更好的降维效果。