基于小波域尺度游程矩阵的图像纹理特征提取.pdfVIP

基于小波域尺度游程矩阵的图像纹理特征提取 潘文卿，吴 艳 （西安电子科技大学电子工程学院 西安 710071） 摘 要： 提出了基于小波域尺度空间的特征提取新方法。该方法依据多个尺度之间的相互关系，构造了 小波域的尺度游程矩阵，在此基础上进行特征提取和分类。仿真结果表明，该方法可以得到较好的分类结果。 和传统方法相比，它更全面、更准确地刻画了纹理的尺度特性，且特征维数低、易分类。 关键词： 纹理分析，框架小波变换，游程矩阵，尺度游程矩阵 Image Texture Features Extraction Based on Wavelet and Scale-based Run-length Matrix Pan Wenqing , Wu Yan (School of Electronics Engineering, Xidian Univ, Xi’an 710071) Abstract: A new method was proposed based on wavelet transform field and scale space for image texture extraction. According to the relation of features among different scales, the algorithm constructs a scale-based run-length matrix in wavelet transform field, and then extracts the features for classification. Experiments show that the algorithm can get more accurate results for classification. Compared with the traditional methods, it can describe the scale characteristic of texture more general and accurate. The dimension of this method is low, that is easy to classify 。 key words: texture analysis, wavelet frame, run-length matrix, scale-based run-length matrix 1 概述 [1] 灰度共生矩阵对于海洋-冰山SAR图像分类非常有效，并已被证明优于其它的纹理分析方法 ； 对于无监督分割，基于灰度共生矩阵的纹理特征提取比Gabor滤波的效果更好[2] 。但是，传统的纹理 分析方法都是从单一尺度上提取纹理特征，显然这是不充分的，因为纹理特性的一个主要方面就是 尺度特性，已有实验表明，人类视觉系统在进行纹理处理时是以多尺度方式进行的[3] 。在多尺度的 纹理分析方法中，基于小波域的多尺度分析方法最引人注目。 传统的基于小波域的纹理分析方法，主要是利用小波变换对图像进行多尺度分解，然后在每个 尺度上独立地提取特征，对多个特征组合形成特征向量，最后进行分类。或者，利用两个相邻尺度 的小波系数构成共生矩阵来提取特征，所以一个共生矩阵只能包含两个尺度的信息，要获得多尺度 的信息，必须构造多个共生矩阵，这样不但运算量大，而且特征维数较高，影响了聚类和分割的精 确度。 [3] 由于不同纹理的信息从一个尺度到另一个尺度的变化是不同的 ，所以本文结合离散框架小波 变换和等灰度游程矩阵，提出了小波域尺度游程矩阵，它是在小波域进行多尺度特征提取的新方法， 不但提取了图像纹理多个尺度之间的相互关系，而且方法简单，特征维数低、易聚类。 2 离散框架小波变换 离散框架小波变换(Discrete Wavelet