一种基于压缩感知理论的纹理分类方法.pdfVIP

第３３卷第１ 期 计 算 机 应 用 研 究 Ｖｏｌ．３３Ｎｏ．１ ２０１６年１ 月 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｊａｎ．２０１６ 一种基于压缩感知理论的纹理分类方法* 吴 迪 （湖南工程学院电气信息学院，湖南湘潭４１１００４） 摘 要：针对传统纹理分类方法计算复杂的问题，基于 ｂａｇｏｆｗｏｒｄｓ模型提出了一种简单、新奇的纹理分类方 法。在特征提取阶段，使用ＮＳＣＴ滤波器对局部图像块进行映射投影，然后通过观测矩阵提取其随机测量值特 征；在纹理分类阶段，直接将随机特征嵌入到ｂａｇｏｆｗｏｒｄｓ环境，并直接在压缩域内进行学习和分类。利用纹理 图像的稀疏性，提出的特征提取方法简单，并且在性能和复杂度上都优于传统特征提取方法。最后使用ＣＵＲｅＴ 数据库进行数值实验，并与ｐａｔｃｈ、ｐａｔｃｈＭＲＦ、ＭＲ８、ＬＢＰ四种最经典的方法进行比对。结果表明，该方法在分类 精度以及实时性上有重要的改进。 关键词：稀疏表示；压缩感知；词袋模型；纹理分类 中图分类号：ＴＰ３９１．４ 文献标志码：Ａ 文章编号：１００１ ３６９５（２０１６）０１ ０２９１ ０５ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ２０１６．０１．０６７ Ｔｅｘｔｕｒｅｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎ ｔｈｅｏｒｙｏｆｃｏｍｐｒｅｓｓｅｄｓｅｎｓｉｎｇ ＷｕＤｉ （ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｉｃａｌ＆ＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＨｕｎａｎＩｎｓｔｉｔｕｔｅｏｆＥｎｇｉｎｅｅｒｉｎｇ，ＸｉａｎｇｔａｎＨｕｎａｎ ４１１００４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｔｈｅｏｒｉｅｓｏｆｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎａｎｄｃｏｍｐｒｅｓｓｅｄｓｅｎｓｉｎｇ，ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｅｄａｓｉｍｐｌｅ，ｎｏｖｅｌ ａｐｐｒｏａｃｈｆｏｒｔｅｘｔｕｒｅｃｌａｓｓｉｆｉｃａｔｉｏｎｂａｓｅｄｏｎｂａｇｏｆｗｏｒｄｓｍｏｄｅｌ．Ａｔｔｈｅｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｓｔａｇｅ，ｉｔｅｘｔｒａｃｔｅｄａｓｍａｌｌｓｅｔｏｆｒａｎ ｄｏｍｆｅａｔｕｒｅｓｆｒｏｍｌｏｃａｌｉｍａｇｅｐａｔｃｈｅｓ．Ｉｔｅｍｂｅｄｄｅｄｔｈｅｒａｎｄｏｍｆｅａｔｕｒｅｓｉｎｔｏａｂａｇｏｆｗｏｒｄｓｍｏｄｅｌｔｏｐｅｒｆｏｒｍｔｅｘｔｕｒｅｃｌａｓｓｉｆｉ ｃａｔｉｏｎ；ｔｈｕｓ，ｃａｒｒｉｅｄｏｕｔｌｅａｒｎｉｎｇａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｉｎａｃｏｍｐｒｅｓｓｅｄｄｏｍａｉｎ，ｙｅｔｂｙｌｅｖｅｒａｇｉｎｇｔｈｅｓｐａｒｓｅｎａｔｕｒｅｏｆｔｅｘｔｕｒｅｉｍ ａｇｅｓ，ｏｕｒａｐｐｒｏａｃｈｏｕｔｐｅｒｆｏｒｍｅｄｔｒａｄｉｔｉｏｎａｌｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｓｗｈｉｃｈｉｎｖｏｌｖｅｄｃａｒｅｆｕｌｄｅｓｉｇｎａｎｄｃｏｍｐｌｅｘｓｔｅｐｓ．Ｉｔ ｃｏｎｄｕｃｔｅｄｅｘｔｅｎｓｉｖｅｅｘｐｅｒｉｍｅｎｔｓｏｎｔｈｅＣＵＲｅＴｄａｔａｂａｓｅｓ．Ｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｏｕｒａｐｐｒｏａｃｈｌｅａｄｓｔｏｓｉｇｎｉｆｉｃａｎｔｉｍｐｒｏｖｅｍｅｎｔｓｉｎ ｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙａｎｄｉｎｓｔａｎｔａｎｅｉｔｙ． Ｋｅｙｗｏｒｄｓ：ｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎ；ｃｏｍｐｒｅｓｓｅｄｓｅｎｓｉｎｇ；ｂａｇｏｆｗｏｒｄｓｍｏｄｅｌ；ｔｅｘｔｕｒｅｃｌａｓｓｉｆｉｃａｔｉｏｎ 大多数特征提取方法集中于局部纹理信息的提取，以所给 ０ 引言 定像素周围的灰度模型为特征。然而，纹理也可以以代表