基于系数关系共生矩阵和SVM的纹理分析.pdfVIP

第36卷第4期 光电工程 Vo1．36，No．4 2009年4月 Opto-ElectronicEngineering April，2009 文章编号：1003—501X(2009)04—0128—05 基于系数关系共生矩阵和 SVM 的纹理分析 刘 清 1,2，林土胜 ，王晓军2 (1．华南理工大学 电子与信息工程学院，广州 510640； 2．井冈山大学 工学院，江西 吉安 343009) 摘要：纹理是图像中非常重要的特征。提出了一种新的纹理特征提取算法，即对纹理图像进行离散小波框架变换 后，利用同一变换尺度下的小波高频系数与低频系数之间的依存关系信息，构造系数共生矩阵，在此基础上进行 纹理特征提取，而不是独立地提取各子带系数特征。考虑支撑向量机(SVM)在小样本数据库和泛化能力方面的优 势，在分类实验中采用支撑向量机分类器，实验结果表明，基于这种共生矩阵特征提取分类算法能得到很好的分 类结果。 关键词：离散小波框架变换；系数共生矩阵；纹理特征；支撑向量机 中图分类号：TP391．41 文献标志码：A TextureAnalysisBasedonCoeffi cientRelationship CO．occurrenceM atrixandSVM LIUQing，-，LINTu．sheng，WANGXiao-jun (1．SchoolofElectronicandInformationEngineering，SouthChinaUniversityofTechnology,Guangzhou510640，China； 2．SchoolofTechnoloyg，JinggangshanUniversiyt，Ji’an343009，JiangxiProvince，China) Abstract：Textureisan importantimagefeature．A noveltexturefeatureextractiontechniqueisproposedbasedon coefficientCO—occurrencematrixofdiscretewaveletframetransformed image，whichcaputrestheinfomr ationabout relationshipbetweeneachhilgllfrequencysubbandandlow frequencysubbandofthedecomposedimageatthe correspondingleve1．Itisnotindependenttoexrtacttheinfomr ationofeach subbandcoefficient．Consideringthathte SupportVectorMachine(SVM)hasadvantagesofresolvinghtesmall-samplestatisticsnadgeneralizingability,hte classification perfomr na ce is analyzed by using the SVM classifier．The experimentalresults demonstrate hte effectivenessofourproposedtexutrefeatureinachievingtheimprovedclassificationperformnace． Keywords：discretewaveletflametransfomr ；coefficient matrix；texturefeature；supportvectormachine 0 引 言 纹理一般定义为描述平滑度、粗糙度和规律性等特性度量 J，是图像中非常重要的视觉