一种基于压缩感知理论的纹理分类方法

《一种基于压缩感知理论的纹理分类方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第33卷第1期计算机应用研究Vol_33No．12016年1月ApplicationResearchofComputersJan．2016一种基于压缩感知理论的纹理分类方法术吴迪(湖南工程学院电气信息学院，湖南湘潭411004)摘要：针对传统纹理分类方法计算复杂的问题，基于bag—of-words模型提出了一种简单、新奇的纹理分类方法。在特征提取阶段，使用NSCT滤波器对局部图像块进行映射投影，然后通过观测矩阵提取其随机测量值特征；在纹理分类阶段，直接将随机特征嵌入到bag—of-words环境，并直接在压缩域内进行学习和分类。利用纹理图像的稀疏性，提出的特征提取方法简单，并且在性能和复

2、杂度上都优于传统特征提取方法。最后使用CURET数据库进行数值实验，并与patch、patch—MRF、MR8、LBP四种最经典的方法进行比对。结果表明，该方法在分类精度以及实时性上有重要的改进。关键词：稀疏表示；压缩感知；词袋模型；纹理分类中图分类号：TP391．4文献标志码：A文章编号：1001-3695(2016)01·0291—05doi：10．3969／j．issn．1001—3695．2016．O1．067TextureclassificationmethodbasedontheoryofcompressedsensingWUDi(CollegeofElectrical＆In

3、formationEngineering，HunanInstituteofEngineering，XiangtanHunan411004，China)Abstract：Accordingtothetheoriesofsparserepresentationandcompressedsensing，thispaperpresentedasimple，novelaDproachfortextureclassificationbasedonbag．of-wordsmode1．Atthefeatureextractionstage，itextractedasmallsetofran-domfea

4、turesfromlocalimagepatches．Itembeddedtherandomfeaturesintoabag·of-wordsmodeltoperformtextureelassifi-cation：thus，carriedoutlearningandclassificationinacompresseddomain，yetbyleveragingthesparsenatureoftextureim。ages，ourapproachoutperformedtraditionalfeatureextractionmethodswhichinvolvedcarefuldesi

5、gnandcomplexsteps．ItconductedextensiveexperimentsontheCURETdatabases．Resultsshowthatourapproachleadstosignificantimprovementsinclassificationaccuracyandinstantaneity．Keywords：sparserepresentation；compressedsensing；bag—of-wordsmodel；textureclassification大多数特征提取方法集中于局部纹理信息的提取，以所给0引言定像素周围的灰度模型为特征。然而

6、，纹理也可以以代表局部模型之间关系的全局模型为特征。近来词袋图像(bag—of-自然图像中纹理无处不在，它们是组成各种图像分析应用words，BoW)表示模型受到越来越多地关注，基于bag—of-(如图像分割、图像检索等)的重要视觉线索。纹理特征是一种不依赖于颜色或亮度，而反映图像中同质现象的视觉特征，words图像表示模型方法步骤一般为：a)提取图像局部特征；它是物体表面共有的内在特性。纹理特征包含了物体表面结b)量化图像局部特征，构建视觉关键词典；C)将图像表示为若构组织排列的重要信息以及它们与周围环境的联系。干视觉关键词组成的集合。这种图像表示模型将二维图像信纹理分类是计算机视觉和

7、图像处理的基本问题，在医学图息映射成视觉关键词集合，既保存了图像的局部特征又有效压像分析、遥感、目标识别、基于内容的图像检索中扮演了重要的缩了图像的描述，使得自然语言处理的各种技术与方法能够有角色。所以对于纹理分类的研究一直都是比较活跃的主题。效应用于模式识别领域。在纹理分析中引入bag—of-words图像当然，纹理分类也是一个具有挑战性的工作，其中困难主要集表示模型，则在进行局部纹理信息(基元构成的局部图像块特中在特征提取方面。