[发明专利]基于形态Haar小波纹理梯度提取的分水岭纹理图像分割方法

说明书

技术领域

本发明属于图像处理技术领域，涉及在纹理图像分割领域的应用，具体地说是一种基于形态Haar小波纹理梯度提取的分水岭纹理图像分割方法。

背景技术

图像分割是图像处理中一个非常重要的步骤，它将图像分割成具有强相关性的子区域或对象。图像分割通常用于进一步对图像进行分析、识别、压缩编码等，分割的准确性直接影响后续任务的有效性，因此具有十分重要的意义，是图像处理中非常重要的一步。图像分割算法一般分为以下几类：基于阈值的分割、基于边缘的分割和基于区域的分割。基于阈值的分割的优点是算法简单，且总能用封闭而且连通的边界来定义不交叠的区域，而缺点是对目标与背景反差较小的景物很难得到精确的目标边界；基于边缘的分割的优点是轮廓位置精确，其缺点是不能保证轮廓是封闭的和单像素宽的分割线，因此其应用范围受到了限制；而基于区域的分割是将区域一致性作为准则，具有一定的抗噪能力，并可以得到封闭轮廓及单像素分割线。基于区域分割的算法中的形态学分割算法能够准确定位边缘且运算简单，能封闭轮廓的分割区域，且分割线是单像素宽的，是目前使用较为广泛的一种图像分割方法。

传统的形态学分割算法即分水岭算法，它最初是由Digabel和Lantujoul引入图像处理领域，然后Beucher和Lantuejoul进一步发展，应用于灰度图像的分割。1991年Vincent和Pierre Soille提出基于浸沉技术的分水岭检测算法，将分水岭变换分为两步，即排序过程和溢流过程，此方法步骤简单、清晰且较以前的方法更快速、精确、灵活有效完整。从此分水岭图像分割取得突破性的进展。分水岭变换能够准确定位边缘，具有运算简单、易于并行化处理等优点，输入图像往往是图像的梯度，但是由于受噪声和平坦区域内部细密纹理的影响，算法检测的局部极值过多易于产生过分割，出现大量的细小区域，对纹理图像过分割更严重。目前主要有两类方法解决分水岭的过分割问题。第一种属于后处理，针对分水岭分割后的结果，根据某种准则，进行区域合并。这种方法计算量比较大，比较耗时。第二类属于前处理，它是基于标记提取的分水岭分割算法，算法简单实用，速度快，目前soille提出的基于内外标记的分水岭算法就是应用较为广泛的标记分水岭算法。

自然界许多场景表面都存在着纹理特征，基于纹理的图像分割是图像处理领域中研究的一个热点。纹理图像具有丰富的细节纹理信息，表现为较强的结构性、方向性。可是目前大多数的图像分割方法都不能对纹理图像进行分割，即便是性能优良的标记分水岭图像分割法也不例外。因此研究一种行之有效的纹理图像分水岭分割方法是本技术领域科技人员的当务之急。

发明内容

本发明的目的是提供一种基于形态Haar小波和分水岭的纹理分割图像算法，解决了分水岭的过分割问题，这种结合性算法利用了形态小波运算简单，且边缘信息保留好等优点，产生了一个反映纹理区域边界的纹理梯度，将此梯度作为标记分水岭的输入图像能很好抑制过分割。

在达到上述目的中，根据本发明提供的纹理图像分割方法，将形态Haar小波纹理梯度提取与分水岭算法相结合，应用到纹理图像分割中。首先用形态Haar小波变换得到纹理图像的能反映其区域边界的纹理梯度图，而非一般的反映灰度变化的灰度梯度图，将此纹理梯度图作为分水岭算法的输入图像，进行的分水岭运算分割得到最的分割结果图。具体技术方案的实现包括如下步骤：

(1)、对原始纹理图像用形态Haar小波变换提取其纹理梯度图TG；

(2)、将另一幅原图像顺时针旋转90度后用形态Haar小波提取其纹理梯度图RTG；

(3)、将步骤(2)所提取的纹理梯度图RTG逆时针旋转90度后，和TG作最大值加权得纹理梯度图G；

(4)、对纹理梯度图G做形态滤波，消除细小的暗的或亮的点，得到平滑后的纹理梯度图OCG；

(5)、对纹理梯度图OCG进行标记分水岭分割得到最终的纹理分割图。

上述的基于形态Haar小波纹理梯度提取的分水岭纹理分割，所说的形态Haar小波，是小波的一种非线性拓展。它可以通过将线性小波中的线性滤波器用非线性形态滤波器代替得到：一维线性Haar小波改造成一维形态Haar小波，主要区别在于一维线性Haar小波用线性信号分析滤波器，而后者使用腐蚀或膨胀滤波器。线性小波中的分析与合成算子如下：

式(1)中的分析算子可以看成是与卷积核函数h作线性卷积后再作下采样的变换，同样式(2)的合成算子是与卷积核函数h作线性卷积后再作插值的变换。

如果我们取核函数为