基于高斯尺度空间粗糙度描述子的花粉图像分类识别-论文.pdf

《基于高斯尺度空间粗糙度描述子的花粉图像分类识别-论文.pdf》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、JournalofComputerApplicationsISSN1001—90812O15—07—10计算机应用，2015，35(7)：2039—2042CODENJYIIDUhttp：／／www．joca．cn文章编号：1001—9081(2015)07-2039-04doi：10．11772／j．issn．1001-9081．2015．07．2039基于高斯尺度空间粗糙度描述子的花粉图像分类识别谢永华，徐赵飞，范文晓(1．南京信息工程大学计算机与软件学院，南京210044；2．南京信息工程大学江苏省网络

2、监控中心，南京21004)(通信作者电子邮箱892210505@qq．COB)摘要：针对现有粗糙度描述子大多依赖于灰度值平均值，容易造成图像信息的丢失的问题，提出了一种新的基于高斯尺度空间粗糙度描述子的特征提取方法，并应用于花粉图像的分类和识别。首先，采用高斯金字塔算法，将花粉图像分割成不同层次的尺度空间；然后，在各个尺度空间上提取图像的粗糙度纹理特征；其次，通过计算粗糙度频率直方图的统计分布，提取不同尺度空间的粗糙度描述子(SSRHD)；最后，采用欧氏距离计算图像的相似度。通过Confoeal和Pollen

3、monitor图像库上的仿真结果表明，与基于隐马尔可夫模型的轮廓描述子(DHMMD)相比，该描述子在Confocal图像库上的平均正确识别率(CRR)提高了2．32％、平均错误识别率(FRR)降低了0．1％，而在Pollenmonitor图像库上的平均识别率也提高了1．2％。实验结果表明，该描述予能较好地描述花粉颗粒图像的纹理分布，对于花粉图像的旋转和姿态变化也具有良好的鲁棒性。关键词：高斯金字塔；粗糙度；花粉识别；纹理特征；尺度空间中图分类号：TN911．73；TP391．413文献标志码：APolleni

4、mageclassificationandrecognitionbasedonGaussianscale-spaceroughnessdescriptorXIEYonghua1．．XUZhaofe．FANWenxiao(1．SchoolofComputerandSoftware，NanjingUniversityofInformationScienceandTechnology,NanjingJiangsu210044，China；2．JiangsuEngineeringCenterofNetworkMoni

5、toring，NanjingUniversityofInformationScienceandTechnology，NanjingJiangsu210044，China)Abstract：Accordingtotheproblemthattheexistingroughnessdescriptorsaremostlydependentontheaveragegreyvalue，whichiseasytocausethelossofimageinformation，anewroughnessdescriptor

6、basedonGaussianscalespacewaspresentedforpollenimageclassificationandrecognition．Withthismethod，theGaussianpyramidalgorithmwasusedtodividetheimageintoseveraldiferentlevelsofscalespace，andthentheroughnesstexturefeaturewasextractedfromthedifferentlevelscalespa

7、ce．ThestatisticaldistributionofroughnessfrequencywascalculatedtobuildtheScale—SpaceRoughnessHistogramDescriptor(SSRHD)．Atlast，theEuclideandistancewasusedtomeasurethesimilaritybetweenimages．ThesimulationresultsonConfocalandPollenmonitorimagedatabasedemonstra

8、tethat，comparedwithDiscreteHiddenMarkovModelDescriptors(DHMMD)，theCorrectRecognitionRate(CRR)performedbytheSSRHDincreasesby2．32％onConfocaland1．2％onPollenmonitor，andtheFalseRecognitionRate(FRR)decreases