基于随机特征字典的纹理分类方法.pdfVIP

第32卷第 1期 计 算 机 应 用 研 究 V01．32No．1 2015年 1月 ApplicationResearchofComputers Jan．2015 基于随机特征字典的纹理分类方法冰 沈仁明，徐小红，王教余，廖重阳 (合肥工业大学计算机与信息学院，合肥 230009) 摘 要 ：为解决稀疏表示在提取全局纹理特征时受维数限制的问题，提 出一种基于随机特征字典的特征提取及分 类方法。方法利用稀疏系数中非零系数的分布特点，统计各图像块在稀疏分解过程中字典原子的使用频率，得到 能突出纹理在稀疏域类别信息的直方图特征 ，进而实现分类。为提高分类准确率，通过随机投影将多尺度多方向 的小波特征进行融合，并对其训练得到纹理描述能力更强的小波随机特征字典。在分类实验中，其分类准确率达 94．79％，并能在噪声、光照条件影响下获得较好的鲁棒性，在分析全局纹理特征方面具有高效、稳定的特点。 关键词：稀疏表示；字典学习；纹理分类；纹理全局特征提取 中图分类号：TP391．41 文献标志码 ：A 文章编号 ：1001-3695(2015)Ol-0303—04 doi：10．3969／j．issn．1001-3695．2015．01．071 Textureclassificationmethodviarandom featuredictionary SHENRen—uring，XUXiao—hong，WANGJiaoy·u，LIAOChong，yang (SchoolofComputerInformation，HefeiUniversityofTechnology，Hefei230009，China) Abstract：Extractingglobaltexturefeaturethroughsparserepresentationfacedsomeproblems，whichmainlycausedbyhigh dimension．Inordertosolvethoseproblems．thispaperproposedafeatureextractionandclassificationmethodbasedonran． dom featuredictionary．Theproposedmethodutilizedthedistributionofnon．zerocoefficients．whichwerecomputedbysparse decomposition．togenerateastatisticshistogram feature．Theacquiredhistogram couldreflectthedictionaryatoms’usingfre- quencyinsparsedecomposition．andwasabletoreflecttheclassinformation．Thus．theclassificationcouldberealized．For thesakeofimprovingclassificationaccuracy．itfusedmuhi—scaleandmulti．directionwaveletfeaturesthroughrandomprojec— tion．andthentrainedamoredescriptivedictionarybythosefusedfeatures．Intheclassificationexperiments，itachieved 94．79％ classificationaccuracy．FurtherexperimentsandanalysisprovethattheproposedmethodiSrobustundernoisyand badilluminationconditions．andhascharacteristicsofeffectiveandstableinglobaltexturefeaturee