基于多尺度内变差的结构检测与纹理滤波算法研究

发布时间：2018-04-15 12:52

本文选题：纹理滤波 + 结构检测　；参考：《浙江工商大学》2017年硕士论文

【摘要】：随着机器学习、人工智能的日益发展,图像作为其数据来源,人们对图像处理的要求也越来越高。过去图像滤波主要是为了去除噪声,近些年出现一种新的观点,即滤波不仅要去除噪声,还需要滤除不必要的纹理细节,称之为纹理滤波。该处理在细节增强、图像抽象、区域分割、目标提取、逆半调等方面都有强大的应用。纹理滤波最核心的是结构和纹理的分离,但是这两者较为相似,如何有效地保持结构同时滤除纹理是纹理滤波过程中的一个重难点。然而大多数已有滤波算法偏向于处理弱梯度纹理的图像,对于强梯度的纹理就失效了。一些基于全局优化的算法将保持结构和图像平滑二者放入能量函数,但是参数难以控制,无法同时做到对结构的保持和对纹理的滤除。为了保证这两项互不干扰,我们考虑把保持结构和图像平滑两项分开,在纹理滤波之前先检测结构,但是已有的结构检测算法并不能很好地适用于纹理滤波算法,为此本文首先提出了一个基于多尺度内变差的结构检测方法,然后提出一个结构引导下的纹理滤波算法,该算法很好地解决已有算法对于的强梯度纹理的局限性。本文主要的创新工作包括以下三个部分:第一,我们提出多尺度内变差来区分结构和纹理,该方法相比单.尺度内变差,对于强弱纹理、不同尺度的纹理的区分更为可可靠。并且基于多尺度内变差我们提取六个有辨别力的特征,作为训练特征。第二,针对SVM分类结果的不足之处,我们设计了三步后处理工作,包括孤立点剔除、多尺度断点连接、基于曲率的结构校正,分别解决了毛刺、漏检、结构偏移等问题,最后得到精细的结构检测图。第三,我们提出结构引导下的自适应的纹理滤波算法,很好地解决了局部滤波的在结构附近的光晕和偏色现象。最后的滤波结果既高效地保持了结构信息,又抑制了纹理细节,效果改善明显。
[Abstract]:......
【学位授予单位】：浙江工商大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TN713;TP391.41

【参考文献】