基於自主尺度結構張量的彩色紋理分析方法研究

《基於自主尺度結構張量的彩色紋理分析方法研究》是依託華中科技大學，由陶文兵擔任項目負責人的面上項目。

基本介紹

• 中文名：基於自主尺度結構張量的彩色紋理分析方法研究
• 項目類別：面上項目
• 項目負責人：陶文兵
• 依託單位：華中科技大學

項目摘要

紋理分析就是研究能夠準確描述和區分不同圖像紋理的特徵，是計算機視覺研究的一個重點和難點，在圖像分割、目標識別以及圖像檢索等眾多領域均有廣泛套用。目前大多數紋理分析方法均集中在灰度紋理，尚無十分有效的彩色紋理分析方法以實現圖像的顏色信息與其灰度紋理特徵的有機融合。本課題以我們前期研究提出的多尺度結構張量紋理描述子為基礎，研究基於自主尺度結構張量的彩色紋理分析方法。分析和探索尺度個數的自主選擇以及尺度權重自適應計算的多尺度結構張量紋理描述方法，研究和構建精簡化的自主尺度結構張量彩色紋理描述子，實現顏色信息和紋理特徵的有機融合。針對精簡化彩色自主尺度結構張量積所具有的黎曼結構，研究有效的黎曼空間的濾波算法，以確保張量積的正定對稱性，並研究其在黎曼流形空間的距離度量和機率分布統計，有效提高彩色紋理描述子的辨識能力。相關研究成果不僅具有重要的理論價值，其套用前景也十分明確。

結題摘要

本項目研究基於自主尺度結構張量的彩色圖像紋理分析，在如下幾個方面取得了研究成果：（1）提出了一種基於KL測度的獨立尺度組件的黎曼協方差高斯混合模型（ICRGMM）來構建自主尺度結構張量，相比於尺度機率協變的一維方差GMM，ICRGMM算法採用了性能更優的超高斯混合模型，即假定各尺度間的機率分布相互獨立，而且每個尺度都具有全協方差的高斯結構。使用不同距離測度的梯度映射來定義高斯模型的全協方差，選擇了其中準確性和描述能力最高的黎曼協方差結構。為了進一步提高GMM統計參數估計和更新的準確性，使用了分量形式的期望最大化高斯混合算法。（2）提出使用黎曼空間譜分解算法來構建超高斯混合模型，為了最大限度的提高紋理識別與區分的準確性和魯棒性，使用了純黎曼空間幾何理論來度量MSNST特徵間的流形距離，並以此構建純黎曼超高斯混合模型RSGMM）來估計MSNST特徵的機率密度函式，為了對RSGMM中的統計參數進行高效、準確和穩定的估計，提出了基於多尺度聯合空間譜分解的遞歸聚類算法。（3）提出一種無監督的顏色紋理圖像分割方法，引入了一種新的顏色紋理描述符，集成了多尺度結構張量、總變差流及顏色信息。藉助總變差流提取局部尺度信息以輔助描述紋理特徵，最佳化多尺度結構張量模型對具有大尺度紋理信息區域的分割結果。採用多變數混合學生t分布來準確描述顏色紋理特徵分布，選取該分布作為機率分布模型，實現顏色紋理圖像多類無監督分割。（4）提出了一種基於多分段常數變分模型及圖割最佳化算法的互動式圖像目標分割方法。解決了CV模型無法處理異質目標分割的問題，使得該模型能夠廣泛套用於自然場景圖像的分割，並提出採用圖割最佳化方法來最佳化連續的變分模型；（5）提出了一種基於多類多分段常數變分模型及多層圖割最佳化算法和四色原理的自動圖像分割方法。將MPC模型擴展到多類情況，提出了MMPC模型，並且在多類分割中，引入四色標記定理，得到了一種性能較好的自然場景圖像多類自動分割方法，並提出採用多層圖結構來最佳化多類變分能量模型。（6）對變分模型的圖割最佳化理論進行系統的總結和研究，系統分析了變分模型及圖割最佳化的內在關聯及本質聯繫，提出基於窄帶的疊代變分最佳化分割算法，將多個經典的圖像分割算納入了變分模型的圖割最佳化框架，並對相關算法進行了系統的比較分析和實驗評價，得出了一系列具有指導意義的一般性結論。