纹理特征提取和自动分类算法的研究.pdf

摘要 纹理分类作为计算机视觉的一个重要研究课题，在众多应用领域都产生了深 远的影响，如何提取一种具有较好区分能力的纹理特征是其关键。早期的纹理特 征提取方法都是建立在单一尺度上，小波变换作为一种新兴的多分辨率分析方 法，以其良好的时频局部分析能力，在纹理特征提取方面得到了广泛应用。局部 二值模式(LBP)是近年来发展起来的一种有效的纹理描述算子，它具有较强的旋 转和灰度不变性，可以有效克服旋转和光照不均匀问题。支持向量机是一种建立 在统计学习理论基础上的新的机器学习技术，它在处理高维空间的分类问题方面 具有很好的优越性，近年来得到了广泛的关注。 论文重点分析了目前效果较好的几种纹理特征提取算法，并结合支持向量机 对纹理图像的分类问题作了相关研究，主要内容包括： (1)提出了一种基于双树复小波变换(DT-CWT)和支持向量机(SVM)的纹理图 像分类方法。该方法采用具有良好的方向选择性、近似的平移不变性等特点的双 树复小波变换，通过DT-CWT对待分类的纹理图像进行多层分解，提取各子频 带重构图像的均值和方差组成特征向量，最后利用支持向量机作为分类器实现纹 理图像的自动分类。 (2)针对纹理图像分类中的旋转不变性问题，提出了一种基于改进型局部二 值模式和支持向量机的纹理特征提取与分类方法。与常见的采取对数极坐标 (Log．Polar)变换将旋转和尺度变化转变为平移的方法不同，改进后的LBP方法可 以直接从原图像提取灰度和旋转不变纹理特征。仿真实验结果表明，该方法能够 有效解决纹理的灰度和旋转不变问题。 (3)将纹理分析方法应用于低维纳米材料形貌检测和分类鉴别。以纳米材料 的SEM图像为基础，利用小波包分解技术对材料表面纹理特征进行提取，将纹 理特征与支持向量机相结合，利用纹理分类的方法实现纳米材料的自动识别。仿 真实验结果表明，该方法的识别精度能够达到93．75％，证明了其在实际工程中 的有效性。 关键词：纹理分类；特征提取；支持向量机(SVM)；双树复小波变换(DT-CWT)； 局部二值模式(LBP) ABSTRACT Asan inthe vision classificationhas importanttopic computerfield，texture beRerfeatures influenceinnumerous whetherwecanextract broughtgreat fields，and to differenttexturesisthe factor．Differentfrom a methods，as distinguish key early newmulti-resolution is fortexture tool，wavelet image analysis appropriate forits localization and performancediversity．As processingperfectspatial-frequency anew texture method，local developedanalysis binarypattern(LBP)caneffectively overcometherotationandnon．unif01111illuminationforitsrotationand