利用適應性視窗分析影像紋理之物件分割技術

在自然影像中，物件經常存在有大量複雜的紋理，人類經過學習與累積經驗，可以輕易地分辨出不同的物件，目前利用電腦系統來切割物件的方法始終無法達到完全取代人工的目的。在著名的灰階共現矩陣(Gary level co-occurrence matrix, GLCM)方法中，作者藉由固定大小的視窗掃描整張影像，利用統計的方法，計算視窗內的紋理特徵，藉此分割出具有不同紋理的物件。但是這個方法存在著固定視窗大小無法準確分割影像中不同大小紋理的問題。本篇論文針對此問題提出改良，利用適應性視窗來分析影像紋理，設計有效的演算法，找出影像中每個區域最適合的視窗大小來做統計特徵分析。在分析過後得到統計特徵矩陣，接著本研究利用K-means 的分群法來對此矩陣做分類並得到物件分割的結果。