紋理圖像分類算法的研究.pdf

1、紋理分類作為紋理分析研究領域的重要方面，在眾多應用領域產(chǎn)生了深遠的影響。近年來，人們提出了各種紋理分類算法，并取得了豐碩的成果，但是，目前大多數(shù)分類算法仍存在很多缺陷，在一定程度上制約了這些算法的應用，旋轉(zhuǎn)不變和具有抗噪性的紋理分類更是有待深入研究的重要課題。本文在深入研究現(xiàn)有算法的基礎上，從以下幾方面進行研究： (1)基于Gabor濾波器和雙樹復數(shù)小波變換(DT-CWT)的紋理分類為了實驗雙樹復數(shù)小波特征提取和支持向量機(SV

2、M)分類的性能，首先將輸入紋理圖像經(jīng)Gabor濾波器、雙樹復數(shù)小波變換分解成不同尺度和方向的子帶，然后計算各子帶能量或重構子帶的局部能量函數(shù)得出特征向量，最后利用支持向量機分類，并對其它分類器的分類性能進行實驗。 (2)基于旋轉(zhuǎn)-平移的旋轉(zhuǎn)不變紋理分類本文采用兩種方法實現(xiàn)基于旋轉(zhuǎn)-平移思想的旋轉(zhuǎn)不變特征提?。阂皇抢脤?shù)-極坐標變換、Radon變換將圖像的旋轉(zhuǎn)轉(zhuǎn)化為變換后圖像的平移，再用具有平移不變性的平穩(wěn)小波變換(SWT)、雙

3、樹復數(shù)小波變換消除平移實現(xiàn)旋轉(zhuǎn)不變特征提??；二是對圖像進行Curvelet變換并計算各子帶能量，將旋轉(zhuǎn)轉(zhuǎn)化為同一尺度內(nèi)子帶能量的平移，再用各向同性、各向異性、循環(huán)移位特征消除平移得到旋轉(zhuǎn)不變特征。用支持向量機實現(xiàn)分類，并對前者的三種特征提取方法進行比較。 (3)基于Curvelet能量顯著子帶LBP特征的抗噪性紋理分類本文針對現(xiàn)有算法不能準確描述基元(texton)較大的紋理和不具有抗噪性的問題，提出基于Curvelet變換能量