圖像紋理的特征提取和分類方法研究.pdf

1、圖像分類、對象檢測與識別、場景分類等工作都依賴于圖像特征的描述與提取。而紋理是人類視覺系統中使用頻率最高的特征之一。紋理提供了有關空間分布和亮度變換的信息,也描述了圖像表面的結構安排。然而,盡管人類視覺系統很容易準確地識別和描述紋理,但很難提取紋理特征,用于紋理分類以及不同的應用領域。
　　本文首先研究了紋理特征提取算法,然后利用臺灣大學林智仁等開發的LIBSVM系列軟件對圖像分類。本文作了以下幾個方面的研究。
　　(1)本

2、文研究了紋理分析常用的一些算法和圖像分類中的經典算法?？偨Y出紋理圖像分類的基本思路。
　　(2)針對圖像旋轉對分類的影響,本文提出了具有旋轉不變性的Radon變換和小波變換結合的算法。旋轉圖像經過Radon變換后,圖像相對于原圖來說發生了平移。而小波變換恰好具有平移不變性。因此,將Radon變換與小波變換相結合,可以實現紋理圖像的旋轉不變性。
　　(3)為了實現同時具有多尺度性和圖像的統計特性,本文提出了將灰度共生矩陣和小波

3、變換結合的算法。針對結合的方式,提出了兩種不同的方法。一種是先對圖像進行小波變換,然后再對變換后的圖像計算其灰度共生矩陣。而另一種是分別對原圖進行小波變換和計算灰度共生矩陣,然后將分別提取出來的特征組合為紋理圖像的特征向量。最后利用支持向量機進行分類。
　　(4)設計了整個實驗功能模塊實現的過程。對懲罰因子C、核函數及其參數等對分類精度的影響進行了實驗。最后比較了各種紋理特征提取算法,以及在噪聲的干擾下對分類精度的影響。通過一系列