基于方向滤波器组的纹理特征提取及识别研究

《基于方向滤波器组的纹理特征提取及识别研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要图像纹理识别在图像分析和计算机视觉领域中起着重要的作用，是近年来的研究热点之一。一般来说，纹理识别问题可归纳为两个子问题：特征提取和决策分类。本文我们主要讨论特征提取的问题。近年来，由于多通道分析的方法具有对图像尺度信息和方向信息的敏感性，这与实际中的人类视觉系统相一致，因此在图像纹理识别中受到广泛应用。这种方法利用滤波器组对纹理图像进行变换，用分解得到的子带能量构造特征矢量，以此来表示图像的纹理信息。本文采用了一种新的方向滤波器组，其具有良好的方向选择性，并保持了最大下采样的特性。现实世界中的纹理和标准纹理样本相比常常具有某些失真，如纹理的旋转、扭曲等。一种常见的失真就

2、是旋转。因此，纹理识别中的一个重要问题就是实现纹理识别的旋转不变性。本文提出了一种新的基于方向特征提取的旋转不变纹理识别方法——基于灰度共生矩阵／方向滤波器组联合识别方法。该方法旨先实现了基于方向滤波器组的纹理识别。为了得到旋转Hi变纹理特征，采用DFT．encoding对特征值进行处理。其次，结合了灰度共生矩阵的特征提取方法，提出了基于灰度共生矩阵／方向滤波器组的旋转不变纹理识别方法。采用贝叶斯距离作为分类器，在Brodatz纹理库上进行了纹理识别实验。实验结果表明，无论是对于结构性纹理还是非结构性纹理，这种算法都具有较高的识别准确性。关键词：纹理识别灰度共生矩阵方向滤波器

3、组旋转不变AbstractTextureclassificationplaysanimportantroleintheareaofimageprocessingandcomputervision．Ithasbeenofgrowinginterestoverthelastyears．Typically，textureclassificationcanbedividedintotwosub-problems：featureextractionandclassification．Thispapermainlyfocusesonthefeatureextractionaspectof

4、thetextureclassificationproblem．Recentyears，themulti—channelapproachesareofparticularinterestfortextureanalysis，becauseoftheirassociationwithhumanvisualsystemmodelsofperceptionthatinvolvescaleandorientation．Thismethodextractsinformationbypassingthetexturesamplethroughabankfilters．Theoutputo

5、feachfilterprovidesinformationaboutdifferentfeaturesofthetexture．Inthispaperweapplyanewdirectionalfilterbank(DFB)totheproblemoftextureclassification．ThedirectionalfiIterbankfitsperfectlyinthemulti，channelframeworkbyprovidingexcellentdirectionalselectivitywhileremainingthepropertyofmaximally

6、decimated．Intherealworld．thetexturesoRenhavesometypeofdistortionwithrespecttOdatabasecontent，suchasskewingandrotation．Onecommonlyfounddistortionisrotation．Hencethecrtlxoftheproblemistoobtainfeaturesetsthatarerotationinvariant(Ⅺ)．Inthispaper，wehaveproposedanewmethodofdirectionalfeatureextrac

7、tionbasedrotationinvarlanttextureclassification，namedGLCM／DFBjointmethod，whichcombinestwomethodsonrotationinvarianttextureclassification，GLCM，graylevelCO-Occurrencematrix—basedandDI：B—basedmethod．Firstly,wehaveimplementedtextureclassificationbasedonDFB．T