1.4 目前存在的主要問題

拓?fù)浼y理是人類視覺的一個(gè)重要組成部分，目前大多數(shù)紋理研究集中在Brodatz紋理集上，而在拓?fù)浼y理圖像中，紋理的外觀實(shí)質(zhì)上并不同于Brodatz集所描述的內(nèi)容，迄今為止還難以適當(dāng)?shù)貫槠浣！榇擞嘘P(guān)專家進(jìn)行了大量的探索研究，但未能獲得有關(guān)拓?fù)浼y理的去噪、色彩復(fù)原、分割、修補(bǔ)和配準(zhǔn)的有效解釋。近年來這一領(lǐng)域的研究受到了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注，該領(lǐng)域所面臨的挑戰(zhàn)問題主要如下。

1.噪聲抑制

通常拓?fù)浼y理圖像在掃描后包含了很多噪聲，噪聲不僅惡化了圖像的質(zhì)量，使圖像模糊，而且淹沒了紋線特征，現(xiàn)有模型在進(jìn)行噪聲去除的同時(shí)，特征曲線演化后的形狀漸凸，導(dǎo)致形狀失真。同時(shí)，現(xiàn)有模型的拓?fù)渥赃m應(yīng)能力較差，無(wú)法有效表示特征曲線的分裂、合并等情況。由于拓?fù)浼y理圖像中包含很多拓?fù)湫螤顝?fù)雜的曲線邊緣，因此為了在噪聲去除的同時(shí)實(shí)現(xiàn)對(duì)曲線邊緣的保留，必須采用具有保細(xì)節(jié)功能的去噪算法。

2.保色彩復(fù)原

彩色圖像復(fù)原的目的就是盡可能地恢復(fù)退化彩色圖像的本來面目，增強(qiáng)彩色圖像的質(zhì)量。現(xiàn)有模型通過定義適當(dāng)?shù)泥徲蛳岛拖鄳?yīng)的基團(tuán)系上的能量函數(shù)，并利用彩色圖像在三個(gè)色彩通道中的強(qiáng)度值來實(shí)現(xiàn)退化彩色圖像的恢復(fù)。但是這些方法只能在各個(gè)色彩通道的波長(zhǎng)相近時(shí)能夠得到較好的效果，容易導(dǎo)致色彩混疊，這主要是由于這些方法缺乏對(duì)多色彩通道間相關(guān)性的有效表征和提取。此外，現(xiàn)有方法在利用馬爾可夫隨機(jī)場(chǎng)進(jìn)行彩色圖像恢復(fù)時(shí)，采用經(jīng)典模擬退火算法進(jìn)行復(fù)雜求解空間的最優(yōu)搜索，計(jì)算開銷比較大。因此需要對(duì)經(jīng)典模擬退火算法的尋優(yōu)策略進(jìn)行改進(jìn)，實(shí)現(xiàn)對(duì)退化彩色紋理圖像的次優(yōu)快速恢復(fù)。

3.精確分割

目前國(guó)內(nèi)外學(xué)者對(duì)規(guī)則紋理圖像的分割進(jìn)行了充分研究并取得了很好的效果，由于該類紋理圖像具有明顯的周期特征，因此可以采用小波變換、紋理譜、傅里葉功率譜、共生矩陣等方法對(duì)規(guī)則紋理圖像中的平紋圖案、斜紋圖案等進(jìn)行識(shí)別提取。盡管上述方法可以有效用于規(guī)則紋理圖像的分割，但是由于拓?fù)浼y理圖像中包含了大量拓?fù)湫巫儚?fù)雜的紋理曲線，且這些曲線大都不具有明顯的周期特性，因此上述方法不適于對(duì)拓?fù)浼y理圖像的分割提取。活動(dòng)輪廓模型是一種特別適用于建模和提取任意形狀的變形輪廓的圖像分割方法，它在邊緣檢測(cè)、醫(yī)學(xué)圖像分割以及運(yùn)動(dòng)跟蹤中得到了大量應(yīng)用，但是模型本身存在著一些缺陷，如對(duì)初始位置敏感、易陷入局部極值、無(wú)法收斂到輪廓的深度凹陷部分、不具備自動(dòng)拓?fù)渥儞Q能力等。

4.精細(xì)修補(bǔ)

在對(duì)拓?fù)浼y理圖像進(jìn)行掃描獲取的過程中，掃描生成圖像中通常會(huì)生成一些類紋理的細(xì)長(zhǎng)折痕線和不規(guī)則斑點(diǎn)。折痕線和斑點(diǎn)的產(chǎn)生不僅干擾了拓?fù)浼y理圖像本身的紋線特征，而且還加大了后期紋線分析和匹配檢索的錯(cuò)誤率，因此必須對(duì)掃描生成的拓?fù)浼y理圖像進(jìn)行必要的修補(bǔ)預(yù)處理。規(guī)則紋理圖像通常具有馬爾可夫性和分形特征，因此可以采用統(tǒng)計(jì)方法進(jìn)行拼接修補(bǔ)。但是拓?fù)浼y理圖像中包含了許多復(fù)雜的不規(guī)則曲線，因此需要充分利用不規(guī)則曲線的幾何信息進(jìn)行演化修補(bǔ)。

5.精準(zhǔn)配準(zhǔn)

基于光流場(chǎng)的非剛性配準(zhǔn)模型是一類用于提高可變形物體配準(zhǔn)變化能力的方法，并在醫(yī)學(xué)圖像、遙感圖像等領(lǐng)域中得到了廣泛的應(yīng)用。然而，現(xiàn)有光流場(chǎng)配準(zhǔn)模型對(duì)拓?fù)浼y理圖像進(jìn)行配準(zhǔn)將存在一定不足，主要表現(xiàn)為：當(dāng)待配準(zhǔn)拓?fù)浼y理圖像的局部區(qū)域具有較大變形位移時(shí)，光流場(chǎng)配準(zhǔn)方法將會(huì)產(chǎn)生較大偏差，甚至失效。此外，光流場(chǎng)配準(zhǔn)模型受噪聲影響很大，僅添加全局光滑度約束不能較好地保持圖像的局部不連續(xù)性，從而容易導(dǎo)致拓?fù)浼y理圖像在配準(zhǔn)演化過程中，因局部細(xì)節(jié)模糊而丟失重要的特征信息。

此外，光流場(chǎng)彈性配準(zhǔn)模型是典型的非線性二次泛函，具有很強(qiáng)的非凸性，從而導(dǎo)致其在數(shù)值計(jì)算時(shí)存在一定的難度。目前，國(guó)內(nèi)外很多學(xué)者采用有限差分法對(duì)光流場(chǎng)彈性配準(zhǔn)模型進(jìn)行數(shù)值求解。然而，由于有限差分法是基于網(wǎng)格的數(shù)值方法，它在處理拓?fù)浼y理中復(fù)雜拓?fù)浣Y(jié)構(gòu)的不連續(xù)區(qū)域（如紋理曲線的分裂與合并）和小尺度變形方面遇到了較大困難。為了達(dá)到較高的變形精度，需要對(duì)計(jì)算網(wǎng)格實(shí)施精細(xì)單元的剖分，雖然能夠取得較好的計(jì)算結(jié)果，但計(jì)算開銷比較大，不適合處理具有大容量特征的拓?fù)浼y理視頻圖像序列的配準(zhǔn)工作。此外，拓?fù)浼y理圖像在視頻獲取過程中，將不可避免地包含噪聲，噪聲將惡化圖像的質(zhì)量，有限差分配準(zhǔn)方法在計(jì)算過程中容易出現(xiàn)網(wǎng)格畸變的情況，從而影響配準(zhǔn)的精度，降低配準(zhǔn)的效果甚至導(dǎo)致配準(zhǔn)失效。

為此，本書將引入支持邊緣保留特性的去噪模型用于拓?fù)浼y理圖像去噪，重點(diǎn)討論支持拓?fù)浼y理圖像的保邊去噪算法，以有效提高對(duì)復(fù)雜紋線拓?fù)湫巫兊淖赃m應(yīng)能力；研究支持表征和提取彩色拓?fù)浼y理圖像中多色彩通道間相關(guān)性的模型，以有效避免色彩混疊，提高退化彩色拓?fù)浼y理圖像的色彩復(fù)原質(zhì)量；然后研究對(duì)紋理曲線形變復(fù)雜度具有良好適應(yīng)性的圖像分割模型，提高對(duì)拓?fù)浼y理圖案的局部分割定位和圖案花形的整體分割提取；研究支持對(duì)不連續(xù)點(diǎn)集形成具有較好光滑度約束的修補(bǔ)模型，使修補(bǔ)行為不受修補(bǔ)破損區(qū)域的拓?fù)湫螤畹南拗疲蛔詈笱芯恐С滞負(fù)浼y理圖像的光流場(chǎng)配準(zhǔn)模型，提高特征紋理曲線配準(zhǔn)表征能力，提高噪聲環(huán)境下的配準(zhǔn)精度。

通過對(duì)拓?fù)浼y理圖像的去噪、色彩復(fù)原、分割、修補(bǔ)和配準(zhǔn)處理，可以有效提高拓?fù)浼y理圖像預(yù)處理的效率和效果，因此具有較強(qiáng)的實(shí)用價(jià)值與潛在的經(jīng)濟(jì)效益。綜上所述，拓?fù)浼y理圖像的去噪、色彩復(fù)原、分割、修補(bǔ)和配準(zhǔn)研究，既是應(yīng)用領(lǐng)域的切實(shí)需要，又是復(fù)雜紋理圖像預(yù)處理過程中的一項(xiàng)基礎(chǔ)性研究工作。