彩色纹理图像特征提取与分类研究

彩色纹理图像特征提取与分类研究

ID:35106755

大小:7.45 MB

页数:66页

时间:2019-03-18

彩色纹理图像特征提取与分类研究_第1页
彩色纹理图像特征提取与分类研究_第2页
彩色纹理图像特征提取与分类研究_第3页
彩色纹理图像特征提取与分类研究_第4页
彩色纹理图像特征提取与分类研究_第5页
资源描述:

《彩色纹理图像特征提取与分类研究》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、馬韶.如知端尉释解务麻V::I.■■P.illf':;;站娥;讀;f^乂葦iw*xiixSou化Chi^inaUniverstyofTechnology硕±学位论文穀色纹理图像特征提取与分类研究',:.作者姓名徐苗苗一学科专业计算数学-d指导教师蒋金山副教授-所在学院数学学院论文提交日期2016年5月StudyonFeatureExtractionandClassificationforColorTextureI

2、mageADissertationSubmittedfortheDegreeofMasterCandidate:XuMiaomiaoSupervisor:Prof.JiangJinshanSouthChinaUniversityofTechnologyGuangzhou,China10561:分类号:TP391学校代号学号:201320120762华南理工大学硕±学位论文彩色纹理图像特征提取与分类研究作者姓名:徐苗苗指导教师姓名、职称:蒋金山副教授申请学位级别:硕±学科专业名

3、称:计算数学研巧方向:图像处理与模式识别0—又/^/月占论文提交日期:2016年5月论文答辩日期:年日学位授予单位:华南理工大学学位授予日期:/年月日。答辩委员会成员:华南理工大学学位论文原创性声明立进行研究所本人郑重声明:所呈交的论文是本人在导师的指导下独文中特别加标注引用的内容外,本论文不包含任取得的研巧成果。除了何其他个人或集体己经发表或撰写的成果作品。对本文的研究做出重要贡确方式标明。本人完全意识到本声明的献的个人和集体,巧己在文中明法律后果

4、由本人承担。若年:您曰作者签名;孫琼廣曰期4月学位论文版权使用授权书,邑P:本学位论文作者完全了解学校有关保留、使用学位论文的规定研究生在校攻读学位期间论文工作的知识产权单位属华南理工大学。学校有权保存并向国家有关部口或机构送交论文的复印件和电子版,允许学位)学校可^^公布学位论文的全论文被查阅(除在保密期内的保密论文外;论部或部分内容,可从允许采用影印、缩印或其它复制手段保存、汇编学位文。本人电子文档的内容和纸质论文的内容相一致。本学□位论文属于:于保密,(

5、校保密委员会审定为涉。密学位时间:—年—月—曰)__年&月保__日解密后适用本授权书密,同意在校园网上发提布,供校内师生和与学校有共享协议全的单位浏览;同意将本人学位论识文交中国学术期刊(光盘版)电子杂志社文出版和编入CNKI《中国知资源总库》,传播学位论文的全部或部分内容。"V"(请在臥上相应方框内打)如钟曰作者签名;徐猜忠曰期:^卢;产若指导教师签名:日期-作者联系电话:电子邮箱;联系地址(含邮编);摘要图像分类在计算机视觉和模式识别等领域占据很

6、重要的地位,而特征提取是分类的基础与前提,与最终的分类效果有直接关系,纹理特征作为图像基本的特征,在图像分析中意义重大。对于彩色纹理图像,除了纹理信息之外,颜色信息也是尤为重要的,如何将二者有效的结合是值得思考的问题。灰度共生矩阵(GaryLevelCo-occurrenceMatrix,简称GLCM)与局部二值模式(LocalBinaryPattern,简称LBP)是最常见的两种基于统计的纹理分析方法,特别是LBP,以其理论简单、计算高效等特点广泛应用于纹理分析。但是LBP对光照和噪声较敏感,而光照

7、的变化和噪声在现实世界中的彩色图像中非常常见的。针对光照变化问题,本文首先结合对抗色理论提出了单一彩色空间局部对抗色极值模式(LocalOppugnantColorExtremaPatternsInSingleColorSpace,简称SCS_LOCEP)纹理特征提取方法,该方法运用颜色和纹理的结合,分别从0,45,90,135四个方向提取RGB空间每个对抗色通道的纹理信息,最后结合每个对抗色通道的幅度模式共同作为彩色纹理图像的特征。由于图像的某些子块的像素值在RGB空间各通道相差较大,造成对

8、抗色通道中的图像子块出现伪噪声像素值问题。针对此问题,本文又提出了自适应窗口选择合适阈值的方法对SCS_LOCEP进行改进。通过在支持向量机多分类器上一系列的实验结果表明,改进后的方法的分类精度较SCS_LOCEP有明显的提升,并证明了该方法对光照和噪声都有较好的鲁棒性。关键词:彩色纹理图像;特征提取;局部二值模式;自适应;分类;IABSTRACTImageclassificationholdsacentralpositioninthefieldofco

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。