CN102760292A - 利用纹理特征的影像分割法 - Google Patents

Abstract

本发明是关于一种能利用纹理特征与色彩特征所分别具有的优点，将一影像信号分割为多个纹理色彩特征区块的影像分割法。其包括下列步骤：(A)接收一包含多个影像元素的影像信号；(B)对每一影像元素依序执行一贾伯滤波程序及一数值运算程序；(C)依据所得的结果，分别赋予每一影像元素一纹理特征向量；(D)依据每一影像元素的纹理特征向量，对影像信号执行一分割程序，使其具有多个纹理特征区块；及(E)依据这些纹理特征区块于影像信号中的分布，对多个色彩特征区块执行一再分割程序，以将影像信号分割为多个纹理色彩特征区块。

Description

利用纹理特征的影像分割法

技术领域

本发明是关于一种利用纹理特征的影像分割法，尤指一种能结合影像信号中的纹理特征与色彩特征，且利用纹理特征与色彩特征所分别具有的优点，将一影像信号分割为多个纹理色彩特征区块，以提高影像信号分割的准确率的利用纹理特征的影像分割法。

背景技术

在许多计算机视觉以及图像处理的架构中，通常会先假设在影像中任一个物体的表面的影像强度或者色彩强度是近似于均匀。然而，这样的假设并不符合人类肉眼所观察到的真实世界。因为，人类肉眼除了可观察到影像强度或者色彩强度之外，亦能观察到物体表面的其他细微变化，而这些细微变化即为所为的纹理(texture)。

以往，曾有学者对纹理提出以下的描述：纹理影像中具有一些最基本的单元，而纹理的特性则必须通过纹理基本单元间的“空间关系”才能被描述出来。另外，亦有学者对纹理提出以下的描述：相同的纹理往往会具有相似的“区域特性”，而这些区域特性很可能是平滑性、粗糙性或规则性等。

而基于前述的纹理的特性，如何精确地将纹理的特征萃取出来，对于现今影像技术已是一门相当重要的课题。在计算机视觉以及图像处理的领域中，便形成一门值得探究的领域。在过去的文献当中，对于纹理特征的撷取多是使用贾伯滤波器组，而贾伯滤波器的脉冲响应是由一个高斯方程式乘上一个复数指数项。因此，贾伯滤波器于纹理特征撷取的应用上具有许多的优势，例如，贾伯滤波器具有平移不变性(translation invariant)、尺度不变性(scale invariant)、及旋转不变性(rotation invariant)等物理上的不变性等。

然而，由于目前常用的利用纹理特征的影像分割法往往仅单读考虑一影像区块的色彩特征，而未将纹理特征也纳入考虑的范围，故常会发生因为具有相同的色彩特征，而无法将一影像信号的一色彩特征区块进一步分隔为两个具有不同纹理特征的子区块，造成后续影像辨识的准确率上的限制。

因此，业界需要一种能结合影像信号中的纹理特征与色彩特征，且利用纹理特征与色彩特征所分别具有的优点，将一影像信号分割为多个纹理色彩特征区块，以提高影像信号分割的准确率的利用纹理特征的影像分割法。

发明内容

本发明的目的是在提供一种利用纹理特征的影像分割法，其能结合影像信号中的纹理特征与色彩特征，且利用纹理特征与色彩特征所分别具有的优点，将一影像信号分割为多个纹理色彩特征区块，以提高影像信号分割的准确率。

为达成上述目的，本发明的利用纹理特征的影像分割法，是用于将一影像信号分割为多个纹理色彩特征区块，包括下列步骤：(A)接收此影像信号，此影像信号是包含多个影像元素；(B)应用一贾伯滤波器组，对每一所述影像元素执行一贾伯滤波程序，且再对执行此贾伯滤波程序所得的输出，执行一数值运算程序；(C)依据执行此数值运算程序所得的输出，分别赋予每一所述影像元素一纹理特征向量；(D)依据每一所述影像元素所被赋予的纹理特征向量，对此影像信号执行一分割程序，使得此影像信号具有多个纹理特征区块，且位于同一纹理特征区块内的所述影像元素均具有相同群别的纹理特征向量；以及(E)依据所述纹理特征区块于此影像信号中的分布，对此影像信号所包含的多个色彩特征区块分别执行一再分割程序，使得至少一所述色彩特征区块具有多个纹理色彩特征区块。其中，位于同一纹理色彩特征区块内的所述影像元素均具有相同群别的纹理特征向量及相同群别的色彩特征向量。

其中，上述的贾伯滤波器组是由多个二维贾伯滤波器所构成，且贾伯滤波器组所包含的多个二维贾伯滤波器的数目并无限制，且它们的配置方式亦无任何限制。然而，前述的贾伯滤波器组较佳由一内子带贾伯滤波器组及一外子带贾伯滤波器组所构成，但子带的数目亦无限制，即贾伯滤波器组可配置3个子带贾伯滤波器组(如内子带贾伯滤波器组、中子带贾伯滤波器组及外子带贾伯滤波器)或更多数目的子带贾伯滤波器组。

再者，前述的内子带贾伯滤波器组及外子带贾伯滤波器组可分别由一个或一个以上的二维贾伯滤波器构成，但它们较佳为分别由多个二维贾伯滤波器构成，且它们所分别具有的二维贾伯滤波器的数目也不一定要相同。但是，为了得到最佳滤波结果，一般是将内子带贾伯滤波器组及外子带贾伯滤波器组设计成具有相同数目的二维贾伯滤波器。

此外，在本发明的利用纹理特征的影像分割法中，贾伯滤波器组的滤波方向的数目是为构成内子带贾伯滤波器组的二维贾伯滤波器的数目，在某些情况，亦等于构成外子带贾伯滤波器组的二维贾伯滤波器的数目。除此之外，在本发明的利用纹理特征的影像分割法中，每一个位于内子带贾伯滤波器组的二维贾伯滤波器均对应至一个位于外子带贾伯滤波器组的二维贾伯滤波器，且这两个二维贾伯滤波器一内一外的搭配方式，即构成前述的贾伯滤波器组的一个滤波方向。

另一方面，于本发明的利用纹理特征的影像分割法中，贾伯滤波器组所具的两个子带贾伯滤波器组的配置方式，较佳为将内子带贾伯滤波器组与外子带贾伯滤波器组以同心圆的方式配置。除此之外，前述的两个子带贾伯滤波器组可使用4至8个二维贾伯滤波器，然而，较佳使用6个二维贾伯滤波器，意即本发明的利用纹理特征的影像分割法中所使用的贾伯滤波器组较佳使用12个二维贾伯滤波器。

而且，如前所述，由于一由一个位于内子带贾伯滤波器组的二维贾伯滤波器延伸至一位于外子带贾伯滤波器组的相对应的二维贾伯滤波器的方向即构成一滤波方向，故在本发明的利用纹理特征的影像分割法中所使用的贾伯滤波器组具有6个滤波方向。但需注意的是，存在于各个滤波方向之间的角度间隔并无限制，但较佳为这6个滤波方向互相间隔30度。再者，在本发明的利用纹理特征的影像分割法中所使用的贾伯滤波器组中，第一个滤波方向是可配置于任何角度，但较佳为配置于0度方向。如此，其余的滤波方向(其余5个滤波方向)便再依据前述的间隔角度的设定依序配置于适当的角度。

此外，在本发明的利用纹理特征的影像分割法的步骤(B)中，所执行的数值运算程序较佳为运算此贾伯滤波程序所得的输出的振幅大小。之后，运算所得的振幅大小的数值，则用于在步骤(C)中，赋予每一影像元素一相对应的纹理特征向量。意即，若在步骤(B)中，是以n个二维贾伯滤波器执行贾伯滤波程序，则数值运算程序便会运算出n个振幅大小的数值。接着，这n个振幅大小的数值便用于赋予一影像元素一纹理特征向量。如此，纹理特征向量即为一n维向量。换句话说，在本发明的利用纹理特征的影像分割法中，每一影像元素所分别被赋予的纹理特征向量的维度的数目是等于步骤(B)的贾伯滤波程序中所使用的二维贾伯滤波器的数目。

接者，经过执行步骤(D)的分割程序后，具有相同群别的纹理特征向量的多个影像元素便会被分类到同一个纹理特征区块内。如此一来，原始的影像信号(于步骤(A)中被接收)即会被分割为多个纹理特征区块。其中，执行前述的分割程序是应用一分群算法，但不限定为哪一种分群算法。一般而言，此处可使用的分群算法可为K-means分群算法、CRLA(constraintrun length algorithm)分群算法或SBKM(Symmetry distance BasedK-means algorithm)分群算法等。但在本发明的影像信号分割程序中，较佳使用K-means分群算法。

之后，于本发明的利用纹理特征的影像分割法的步骤(E)中所执行的再分割程序，较佳包括下列步骤：(E1)将每一所述色彩特征区块的面积值与一再分割门槛值互相比较；以及(E2)当其中的一所述色彩特征区块的面积值高于此再分割门槛值时，便依据所述纹理特征区块于此影像信号中的分布，将此色彩特征区块再分割为所述纹理色彩特征区块。需注意的是，前述的再分割门槛值并无任何限制，但其数值较佳介于160至200之间。

此外，前述的步骤(E2)是应用一分群算法，依据所述纹理特征区块于此影像信号中的分布，将此色彩特征区块再分割为所述纹理色彩特征区块。同样地，步骤(E2)所使用的分群算法的种类并无限制，故任何可达到分群功效的分群算法皆可适用于步骤(E2)中。但步骤(E2)较佳使用K-means分群算法、CRLA分群算法或SBKM分群算法。

最后，于本发明的利用纹理特征的影像分割法的步骤(E)中，此影像信号所包含的多个色彩特征区块可通过下列方式得出：对每一所述影像元素执行一色彩特征撷取程序，以撷取每一所述影像元素所具的色彩特征并分别赋予每一所述影像元素一色彩特征向量；应用一分群算法，依据每一所述影像元素所分别被赋予的色彩特征向量，将所述影像元素分群至多个色彩群别内；以及，将彼此相邻且位于同一色彩群别内的所述影像元素包含于同一色彩特征区块内。然而，此影像信号所包含的多个色彩特征区块并不限定由上述方法取得，它们可通过任何业界已使用于取得一影像信号的多个色彩特征区块的算法取得。

附图说明

为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合附图作详细说明如下，其中：

图1是本发明一实施例的利用纹理特征的影像分割法的流程示意图。

图2是本发明另一实施例的利用纹理特征的影像分割法的流程示意图。

图3是显示在本发明另一实施例的利用纹理特征的影像分割法所使用的贾伯滤波器组中，其所包含的12个二维贾伯滤波器于一空间平面上的配置方式的示意图。

图4是显示多个色彩特征区块于一影像信号中的分布情况的示意图。

图5是显示在本发明另一实施例的利用纹理特征的影像分割法的步骤(E)中，得出一影像信号所包含的多个色彩特征区块所需执行的色彩特征撷取方法的流程示意图。

图6是显示在本发明另一实施例的利用纹理特征的影像分割法的步骤(E)中，所需执行的再分割程序的流程示意图。

图7是显示经过再分割程序后，图4的色彩特征区块被进一步分割为多个纹理色彩特征区块的示意图。

具体实施方式

以下是通过特定的具体实施例说明本发明的实施方式，熟习此技术的人士可由本说明书所揭示的内容轻易地了解本发明的其他优点与功效。此外，本发明亦可通过其他不同的具体实施例加以施行或应用，且本说明书中的各项细节亦可基于不同观点与应用，而在不悖离本发明的精神下进行各种修饰与变更。

实施例1

请参阅图1，其是本发明一实施例的利用纹理特征的影像分割法的流程示意图。如图1所示，本发明一实施例的利用纹理特征的影像分割法是包括下列步骤：

(A)接收此影像信号，此影像信号是包含多个影像元素；

(B)应用一贾伯滤波器组，对每一所述影像元素执行一贾伯滤波程序，且再对执行此贾伯滤波程序所得的输出，执行一数值运算程序；

(C)依据执行此数值运算程序所得的输出，分别赋予每一所述影像元素一纹理特征向量；

(D)依据每一所述影像元素所被赋予的纹理特征向量，对此影像信号执行一分割程序，使得此影像信号具有多个纹理特征区块，且位于同一纹理特征区块内的所述影像元素均具有相同群别的纹理特征向量；以及

(E)依据所述纹理特征区块于此影像信号中的分布，对此影像信号所包含的多个色彩特征区块分别执行一再分割程序，使得至少一所述色彩特征区块具有多个纹理色彩特征区块。

首先，于步骤(A)中，接收一影像信号，且此影像信号包含多个影像元素。而于本实例中，此影像信号的格式并无任何限制，即以任何格式所表示的影像信号皆可被应用于本发明一实施例的利用纹理特征的影像分割法。

接着，于步骤(B)中，应用一贾伯滤波器组，对此影像信号所包含的每一个影像元素执行一贾伯滤波程序，且再对执行贾伯滤波程序所得的输出，接续执行一数值运算程序。在本实施例中，贾伯滤波器组是由一内子带贾伯滤波器组及一外子带贾伯滤波器组所构成，且内子带贾伯滤波器组及外子带贾伯滤波器分别由6个二维贾伯滤波器构成。至于二维贾伯滤波器的详细运作方式及如何配置这些二维贾伯滤波器的方式，由于贾伯滤波器(不论是一维贾伯滤波器或二维贾伯滤波器)已经广泛被应用于各种需要滤波的场合中，且配置这些二维贾伯滤波器的方式亦已为业界人士所熟悉，故在此便不再赘述。

另一方面，前述的数值运算程序是为运算此贾伯滤波程序所得的输出的振幅大小。

接着，于步骤(C)中，依据执行前述的数值运算程序所得的输出，分别赋予此影像信号所包含的每一个影像元素一纹理特征向量。其中，这些纹理特征向量的维度的数目是等于步骤(B)的贾伯滤波程序中所使用的二维贾伯滤波器的数目。

再者，于步骤(D)中，依据每一个影像元素所被赋予的纹理特征向量，对此影像信号执行一分割程序，使得此影像信号具有多个纹理特征区块。在本实施例中，此分割程序是应用一K-means分群算法。至于K-means分群算法的详细步骤，由于K-means分群算法已经广泛被应用于各领域中，且广为业界人士所熟悉，故在此便不再赘述。

而且，经过分割程序后，位于同一纹理特征区块内的多个影像元素均具有相同群别的纹理特征向量。

最后，于步骤(E)中，依据所述纹理特征区块于此影像信号中的分布，如位于影像信号中的相对位置，对此影像信号所包含的多个色彩特征区块分别执行一再分割程序，使得至少一所述色彩特征区块具有多个纹理色彩特征区块。而此再分割程序是包括下列步骤：(E1)将每一所述色彩特征区块的面积值与一再分割门槛值互相比较；以及(E2)当其中的一所述色彩特征区块的面积值高于此再分割门槛值时，便依据所述纹理特征区块于此影像信号中的分布，将此色彩特征区块再分割为所述纹理色彩特征区块。

实施例2

请参阅图2，其是本发明另一实施例的利用纹理特征的影像分割法的流程示意图。如图2所示，本发明另一实施例的利用纹理特征的影像分割法是包括下列步骤：

(A)接收一影像信号，此影像信号是包含多个影像元素；

(B)应用一贾伯滤波器组，对每一个影像元素执行一贾伯滤波程序，且再对执行此贾伯滤波程序所得的输出，执行一数值运算程序，以得出贾伯滤波程序所得的输出的振幅大小；

(C)依据执行此数值运算程序所得的振幅大小，分别赋予每一个影像元素一12维度的纹理特征向量；

(D)依据每一个影像元素所被赋予的纹理特征向量，对此影像信号执行一分割程序，使得此影像信号具有多个纹理特征区块，且位于同一纹理特征区块内的多个影像元素均具有相同群别的纹理特征向量；以及

(E)依据这些纹理特征区块于此影像信号中的分布，对此影像信号所包含的多个色彩特征区块分别执行一再分割程序，使得至少一色彩特征区块具有多个纹理色彩特征区块。

首先，于步骤(A)中，接收一影像信号，此影像信号是包含多个影像元素。而于本实例中，此影像信号的格式并无任何限制，即以任何格式所表示的影像信号皆可被应用于本发明一实施例的利用纹理特征的影像分割法。

接着，于步骤(B)中，将此影像信号输入贾伯滤波器组，以对每一个影像元素执行一贾伯滤波程序，且接续运算出此贾伯滤波程序所得的输出的振幅大小。

在本实施例中，贾伯滤波器组是由一内子带贾伯滤波器组31及一外子带贾伯滤波器组32所构成，且内子带贾伯滤波器组31及外子带贾伯滤波器组32均包含6个二维贾伯滤波器。而这12个二维贾伯滤波器于一空间平面上的配置方式，则请参阅图3。

此外，这12个二维贾伯滤波器均可由下列公式描述：

$g(x,y;{\mathrm{\σ}}_x,{\mathrm{\σ}}_y,\mathrm{\ω},\mathrm{\θ})=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}_x{\mathrm{\σ}}_y}{e}^{-\frac{1}{2}({\left(\frac{x^{\′}}{{\mathrm{\σ}}_x}\right)}^2+{\left(\frac{y^{\′}}{{\mathrm{\σ}}_y}\right)}^2)}{e}^{\mathrm{j\ω}{x}^{\′}};$ (式1)

其中，σ_x、σ_y分别是为一高斯核心的标准偏差，ω是为一傅立叶基频，θ是为二维贾伯滤波器的方向。而且，x’、y’、x、y之间并满足下列公式：

x′＝xcosθ+ysinθ；(式2)

y′＝-xsinθ+ycosθ；(式3)

除此之外，在本实施例中，构成内子带贾伯滤波器组31的6个二维贾伯滤波器所具有的标准偏差σ_x及σ_y较佳为分别设定在1.75至6.5之间，而构成外子带贾伯滤波器组32的6个二维贾伯滤波器所具有的标准偏差σ_x及σ_y较佳为分别设定在1.75至4.5之间。此外，傅立叶基频ω较佳为设定在介于0.2π至0.6π之间。

请再参阅图3，其中图3的横轴是代表X方向的空间频率，纵轴则代表Y方向的空间频率，而图3中的每一个圆圈代表一个具有特定参数(σ_x、σ_y、ω及θ)的二维贾伯滤波器经过二维傅立业转换(2-D FourierTransformation)后，于一空间频率平面(频域)上的分布位置。由图3可看出，位于内圈的6个二维贾伯滤波器是构成内子带贾伯滤波器组31，而位于外圈的6个二维贾伯滤波器是构成外子带贾伯滤波器组32。

再者，由于一由一个位于内子带贾伯滤波器组31的二维贾伯滤波器延伸至一位于外子带贾伯滤波器组32的相对应的二维贾伯滤波器的方向即构成一滤波方向，所以图3所示的贾伯滤波器组具有6个滤波方向。其中，这6个滤波方向以0度为起始角度，且以30度为两滤波方向之间的间隔。因此，图3所示的贾伯滤波器组所具的6个滤波方向分别为为0度、30度、60度、90度、120度、及150度。

此外，于本实施例中，位于内子带贾伯滤波器组31的6个二维贾伯滤波器的σ_x及σ_y均设定为2.75，而它们的傅立叶基频则设定为0.2π。另一方面，位于外子带贾伯滤波器组32的6个二维贾伯滤波器的σ_x及σ_y均设定为2.75，而它们的傅立叶基频则设定为0.6π。

因此，当影像信号输入图3所示的贾伯滤波器组后，此贾伯滤波器组即对每一影像元素执行一贾伯滤波程序。如此，一影像元素经过贾伯滤波程序，便会得到12个输出值。之后，再经过一数值运算程序，得出这12个输出值的振幅大小。

接着，于步骤(C)中，依据这12个输出值的振幅大小的数值，分别赋予此影像元素一纹理特征向量。如此，被赋予至此影像元素的纹理特征向量是为一12维度的向量，而此12维度的向量的每一分量值是对应至前述的12个输出值的振幅大小的数值。

接着，于步骤(D)中，依据每一所述影像元素所被赋予的12维度的纹理特征向量，对此影像信号执行一分割程序，使得此影像信号具有多个纹理特征区块。而且，位于同一个纹理特征区块内的多个影像元素均具有相同群别的纹理特征向量。在本实施例中，前述的分割程序是应用K-means分群算法，以将具有相同群别的纹理特征向量分类至同一群。如此，经过分割程序后的原始影像信号便被分割成多个纹理色彩特征区块，而这些纹理色彩特征区块则可分布于影像信号的全区域内的任何部分。

接着，于步骤(E)中，依据这些纹理色彩特征区块于影像信号中的分布，对此影像信号所包含的多个色彩特征区块分别执行一再分割程序。其中，这些色彩特征区块于一影像信号中的分布的情况，则如图4所示。其中，此影像信号是包含4个色彩特征区块，且分别被标示为1至4。而在本实施例中，这4个色彩特征区块是通过使用一色彩特征撷取方法的方式，从一影像信号中被撷取出来。而如图5所示，此色彩特征撷取方法是包括下列步骤：

对每一所述影像元素执行一色彩特征撷取程序，以撷取每一所述影像元素所具的色彩特征并分别赋予每一所述影像元素一色彩特征向量；

应用一分群算法，依据每一所述影像元素所分别被赋予的色彩特征向量，将所述影像元素分群至多个色彩群别内；以及

将彼此相邻且位于同一色彩群别内的所述影像元素包含于同一色彩特征区块内。

然而，前述的4色彩特征区块并不限定由上述方法取得，它们可通过任何业界已使用于取得一影像信号的多个色彩特征区块的算法取得。另一方面，在前述的色彩特征撷取方法中，其所使用的分群算法是为一K-means分群算法。而由于K-means分群算法已经广泛被应用于各领域中，且广为业界人士所熟悉，故K-means分群算法的详细步骤，在此便不再赘述

此外，如图6所示，前述的再分割程序是包括下列步骤：

(E1)将每一所述色彩特征区块的面积值与一再分割门槛值互相比较；以及

(E2)当其中的一所述色彩特征区块的面积值高于此再分割门槛值时，便依据所述纹理特征区块于此影像信号中的分布，将此色彩特征区块再分割为所述纹理色彩特征区块。

而于本实施例中，前述的再分割门槛值是设定为180。因此，在图4所示的4个色彩特征区块中，只有编号2及标号4的色彩特征区块，会被执行前述的再分割程序。意即，标号2的色彩特征区块被再分割为编号2、标号5及标号6的3个纹理色彩特征区块。至于标号7的色彩特征区块，则被再分割为编号4及标号7的2个纹理色彩特征区块，如图7所示。

需注意的是，在图7所示的7个纹理色彩特征区块中，位于同一个纹理色彩特征区块(如标号4的纹理色彩特征区块)内的多个影像元素，均具有相同群别的纹理特征向量及相同群别的色彩特征向量。

由上述两个实施例可知，本发明的利用纹理特征的影像分割法的确可结合影像信号中的纹理特征(即多个纹理特征区块于此影像信号中的分布)与色彩特征(即多个色彩特征区块于此影像信号中的分布)，且利用纹理特征与色彩特征所分别具有的优点，将一影像信号分割为多个纹理色彩特征区块，以提高影像信号分割的准确率。

上述实施例仅是为了方便说明而举例而已，本发明所主张的权利范围自应以权利要求范围所述为准，而非仅限于上述实施例。

Claims (11)

1.一种利用纹理特征的影像分割法，用于将一影像信号分割为多个纹理色彩特征区块，包括下列步骤：

(A)接收该影像信号，该影像信号包含多个影像元素；

(B)应用一贾伯滤波器组，对每一所述影像元素执行一贾伯滤波程序，且再对执行该贾伯滤波程序所得的输出，执行一数值运算程序；

(C)依据执行该数值运算程序所得的输出，分别赋予每一所述影像元素一纹理特征向量；

(D)依据每一所述影像元素所被赋予的纹理特征向量，对该影像信号执行一分割程序，使得该影像信号具有多个纹理特征区块，且位于同一纹理特征区块内的所述影像元素均具有相同群别的纹理特征向量；以及

(E)依据所述纹理特征区块于该影像信号中的分布，对该影像信号所包含的多个色彩特征区块分别执行一再分割程序，使得至少一所述色彩特征区块具有多个纹理色彩特征区块；

其中，位于同一纹理色彩特征区块内的所述影像元素均具有相同群别的纹理特征向量及相同群别的色彩特征向量。

2.如权利要求1所述的利用纹理特征的影像分割法，其中该贾伯滤波器组由一内子带贾伯滤波器组及一外子带贾伯滤波器组所构成。

3.如权利要求2所述的利用纹理特征的影像分割法，其中该内子带贾伯滤波器组及该外子带贾伯滤波器组分别由多个二维贾伯滤波器构成，且该内子带贾伯滤波器组所具有的二维贾伯滤波器的数目与该外子带贾伯滤波器组所具有的二维贾伯滤波器的数目相同。

4.如权利要求3所述的利用纹理特征的影像分割法，其中该贾伯滤波器组的滤波方向的数目为构成该内子带贾伯滤波器组的二维贾伯滤波器的数目。

5.如权利要求1所述的利用纹理特征的影像分割法，其中步骤(E)的再分割程序包括下列步骤：

(E1)将每一所述色彩特征区块的面积值与一再分割门槛值互相比较；以及

(E2)当其中的一所述色彩特征区块的面积值高于该再分割门槛值时，便依据所述纹理特征区块于该影像信号中的分布，将该色彩特征区块再分割为所述纹理色彩特征区块。

6.如权利要求5所述的利用纹理特征的影像分割法，其中于步骤(E2)中，应用一分群算法，依据所述纹理特征区块于该影像信号中的分布，将该色彩特征区块再分割为所述纹理色彩特征区块，且该分群算法为K-means分群算法、CRLA分群算法或SBKM分群算法。

7.如权利要求3所述的利用纹理特征的影像分割法，其中每一所述二维贾伯滤波器是由下列公式描述：

$g(x,y;{\mathrm{\σ}}_x,{\mathrm{\σ}}_y,\mathrm{\ω},\mathrm{\θ})=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}_x{\mathrm{\σ}}_y}{e}^{-\frac{1}{2}({\left(\frac{x^{\′}}{{\mathrm{\σ}}_x}\right)}^2+{\left(\frac{y^{\′}}{{\mathrm{\σ}}_y}\right)}^2)}{e}^{\mathrm{j\ω}{x}^{\′}};$

其中，σ_x、σ_y分别为一高斯核心的标准偏差，ω为一傅立叶基频，θ为二维贾伯滤波器的方向，且x’、y’、x、y之间并满足下列公式：

x′＝xcoSθ+ysinθ

y′＝-xsinθ+ycoSθ°

8.如权利要求3所述的利用纹理特征的影像分割法，其中该内子带贾伯滤波器组由4至8个二维贾伯滤波器构成。

9.如权利要求8所述的利用纹理特征的影像分割法，其中该内子带贾伯滤波器组由6个二维贾伯滤波器构成，且所述二维贾伯滤波器所具有的标准偏差σ_x及σ_y分别介于1.75至6.5之间。

10.如权利要求9所述的利用纹理特征的影像分割法，其中该外子带贾伯滤波器组由6个二维贾伯滤波器构成，且所述二维贾伯滤波器所具有的标准偏差σ_x及σ_y分别介于1.75至4.5之间。

11.如权利要求1所述的利用纹理特征的影像分割法，其中于步骤(E)中，该影像信号所包含的所述色彩特征区块是通过下列方式得出：

对每一所述影像元素执行一色彩特征撷取程序，以撷取每一所述影像元素所具的色彩特征并分别赋予每一所述影像元素一色彩特征向量；

应用一分群算法，依据每一所述影像元素所分别被赋予的色彩特征向量，将所述影像元素分群至多个色彩群别内；以及

将彼此相邻且位于同一色彩群别内的所述影像元素包含于同一色彩特征区块内。

Images