Gabor滤波器 K-均值聚类 PCA 小波变换论文.doc

Gabor滤波器论文：内窥镜病理图像纹理分割的研究【中文摘要】纹理图像的属性决定特定的纹理需要特定的分割方法,因此,本文以消化道内窥镜图像为研究对象,试图寻找对该类图像有效的分割方法,主要研究工作如下：(1)基于小波变换纹理分割的研究。利用小波变换提取纹理特征,对提取的纹理特征利用K-均值聚类方法进行分类,获得分割结果。(2)Gabor滤波器的改进。本文在现有经验基础上对Gabor滤波器在方向上做了改进,即：在对图像进行特征提取时,由四个方向拓展成六个方向(0、30、60、180、300、330)。(3)基于Gabor滤波器纹理分割的研究。阐述了Gabor滤波器的详细设计过程,且用设计好的Gabor滤波器对消化道内窥镜图像进行纹理特征提取,然后利用K-均值聚类算法对已提取的特征进行分割,最后得出试验结果。【英文摘要】The properties of texture determine that the specific texture need different texture segmentation method.Therefore, In this paper, the purpose is to find an effective method to segment endoscopic image. The main research work are as follows:(1)Based on wavelet transform texture segmentable research,the paper uses wavelet transform to extract texture features. The k-means clustering algorithm is used to distinguish the texture characteristics.Finally, segmentation results are obtained.(2)The improvem.【关键词】Gabor滤波器 K-均值聚类 PCA 小波变换【英文关键词】Gabor Filters K-means PCA Wavelet Transform【目录】内窥镜病理图像纹理分割的研究摘要3-4Abstract4第一章 绪论7-131.1 引言71.2 纹理分割方法综述7-91.3 纹理分割的应用9-101.4 课题研究内容101.5 本文的内容安排10-111.6 小结11-13第二章 小波变换13-232.1 小波变换基础理论13-182.1.1 连续小波13-142.1.2 离散小波142.1.3 多分辨率分析14-162.1.4 Mallat算法16-182.2 二维图像的小波变换18-212.3 二维离散小波框架分析21-222.4 小结22-23第三章 基于小波变换内窥镜图像的纹理分割23-333.1 内窥镜病理图像小波分割综述23-243.2 内窥镜图像纹理特征的提取24-263.2.1 基于纹理能量的特征提取方法24-253.2.2 特征平滑25-263.3 内窥镜纹理图像的预分割26-283.3.1 K-均值聚类算法26-273.3.2 预分割实现过程27-283.4 内窥镜纹理图像的后分割28-303.4.1 特征加权28-293.4.2 后分割实现过程29-303.5 试验研究30-323.5.1 试验设置303.5.2 实验步骤30-313.5.3 实验结果31-323.6 小结32-33第四章 Gabor滤波器基础理论33-414.1 滤波器的分类33-344.2 Gabor滤波器基本原理34-384.2.1 Gabor滤波器简介34-354.2.2 一维高斯函数354.2.3 二维高斯函数35-364.2.4 Gabor小波函数36-384.2.5 Gabor函数性质384.3 Gabor滤波器38-394.4 小结39-41第五章 基于Gabor滤波器内窥镜图像的纹理分割41-495.1 Gabor滤波器的参数设置41-435.1.1 Gabor的方向和尺度设置41-435.1.2 其他参数设置435.2 内窥镜图像的特征提取43-445.3 内窥镜图像的特征降维44-455.3.1 数据特征降维概述44-455.3.2 PCA特征降维455.4 基于Gabo