基于黎曼流形的彩色纹理结构张量图像分割方法研究

For color-texture image, it not only includes abundant color information(with vector structure),but also embodys proper texture information (based on the early research,the multi-scale struct tensor feature is meet with Reimannian manifold,and posses the tensor structure).Due to the structure difference between color and texture,therefore,the two different kinds of features are hard to integrate together directly.Besides,based on the vision recognition mechanism,if we tackle with color information and texture information dividually, this will neglecte the integration relationship and internal relationship between them, more importantly, the manifold attribute of texture information will be lost.As we are knowledge,the Reminanian manifold is a curve coordinate system with the positive definition matrix element,if we calculate the related statistic variables using Euclidean formulation, this will be produced some invalid results,except that,the texture with the Remainnian struct can not be saved as well.Based on these considerations,our program will be heavily focused on some researchs, such as constructe the color-texture tensor structure (descriptor),geodesic anisotropic diffusion filter,adaptively calculate the random shape windows size,describe the probability density function in Reimannian manifold,model the energy function,and adopt the graph cut for optimization,and so on.Meanwhile,we will deepen and broden the theory research and practical application about Reminanian manifold in computing vision field including region lable of image and image analysis,.etc,so that we can provided some valuable theory reference and discriminant basis.

彩色纹理图像不仅包含丰富的颜色信息(向量结构)，而且包含具有统计性与规律性的纹理信息(在前期研究中，本项目所提取的多尺度结构张量具有黎曼流行张量结构)，由于两者具有不同的特征结构，因此很难直接对其进行整体有机结合。从视觉识别机理的角度出发，这不仅丢失了颜色与纹理之间的有机整体性，而且丢失了内在相关性，且忽略了纹理特征所满足的张量结构。由于黎曼流行采用对称正定矩阵结构的曲线坐标系描述，若采用欧式空间计算，这不仅丢失了特征空间的精度与可靠性，同时丢失了纹理特征所蕴含的流行拓扑特性。基于此，本项目在充分考虑黎曼流行空间的情况下，致力于研究彩色纹理结构张量特征描述子的构建、测地线扩散滤波算法研究、任意形状窗口大小的自主计算、流行空间概率密度分布描述及优化等特定问题。加深与拓宽黎曼流行在彩色纹理图像分割领域的理论研究与实际应用，为其在图像区域标记、图像分析等计算机视觉领域提重要的理论参考与判别依据。

彩色纹理图像分割是数字图像处理与计算机视觉领域的一项基本研究问题，它通过将图像分割为若干互不重叠的子区域、子目标或封闭光滑的曲线而被广泛应用于目标识别、场景理解、特效电影、目标检测、医学图像处理、工业检测、基于内容的图像检索等领域。根据自然图像的颜色特性与纹理特性，首先，针对向量结构的颜色信息与矩阵结构的多尺度结构张量纹理信息难以进行有机融合的问题，提出了将颜色信息与多尺度纹理信息相结合的彩色纹理特征描述子构建。由于采用张量积来构建对应的彩色纹理结构张量，它部分丢失了颜色信息的贡献，因此，研究发现使用压缩纹理信息与颜色信息相结合的向量结构彩色纹理特征描述子，其彩色纹理描述效果更好。其次，由于边缘信息能够描述区域间的边界和脊，提出了基于多通道非线性扩散滤波的全变分流边界TVFE（total variation flow edge）提取方法。再次，由于空间约束的自然图像分割方法对噪声十分敏感，为了克服该缺点，提出了采用空间约束的马尔科夫随机场与图割模型相结合的方式来描述能量函数。为了提高空间约束能力，设计了一种新型平滑约束先验项 ，它将先验性信息与后验信息结合起来。针对空间约束的区域项与全变分流边缘项相结合的目标能量函数是NP难问题，提出了最大期望-多层图割模型算法用于求全局近似最优解。最后，提出了基于多变量学生-t分布的多类变分模型分割方法，它打破了两类Chan-Vese模型以及多片恒定模型对区域内部采用恒定聚类中心描述的限制，可用于刻画具有非线性变化的彩色纹理图像，且在边缘约束项中引入了测地线，因此，具有更好的边界捕获能力和抗噪声特性。