基于随机特征字典的纹理分类方法-计算机应用研究.PDF

第３２卷第１期 计 算 机 应 用 研 究 Ｖｏｌ．３２Ｎｏ．１ ２０１５年１月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｊａｎ．２０１５ 基于随机特征字典的纹理分类方法 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）０１０３０３０４ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１５．０１．０７１ Ｔｅｘｔｕｒｅｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｖｉａｒａｎｄｏｍｆｅａｔｕｒｅｄｉｃｔｉｏｎａｒｙ ＳＨＥＮＲｅｎｍｉｎｇ，ＸＵＸｉａｏｈｏｎｇ，ＷＡＮＧＪｉａｏｙｕ，ＬＩＡＯＣｈｏｎｇｙａｎｇ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒ＆Ｉｎｆｏｒｍａｔｉｏｎ，ＨｅｆｅｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈｅｆｅｉ２３０００９，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｅｘｔｒａｃｔｉｎｇｇｌｏｂａｌｔｅｘｔｕｒｅｆｅａｔｕｒｅｔｈｒｏｕｇｈｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｆａｃｅｄｓｏｍｅｐｒｏｂｌｅｍｓ，ｗｈｉｃｈｍａｉｎｌｙｃａｕｓｅｄｂｙｈｉｇｈ ｄｉｍｅｎｓｉｏｎ．Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｏｓｅｐｒｏｂｌｅｍｓ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｒａｎ ｄｏｍｆｅａｔｕｒｅｄｉｃｔｉｏｎａｒｙ．Ｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｕｔｉｌｉｚｅｄｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆｎｏｎｚｅｒｏｃｏｅｆｆｉｃｉｅｎｔｓ，ｗｈｉｃｈｗｅｒｅｃｏｍｐｕｔｅｄｂｙｓｐａｒｓｅ ｄｅｃｏｍｐｏｓｉｔｉｏｎ，ｔｏｇｅｎｅｒａｔｅａｓｔａｔｉｓｔｉｃｓｈｉｓｔｏｇｒａｍｆｅａｔｕｒｅ．Ｔｈｅａｃｑｕｉｒｅｄｈｉｓｔｏｇｒａｍｃｏｕｌｄｒｅｆｌｅｃｔｔｈｅｄｉｃｔｉｏｎａｒｙａｔｏｍｓ’ｕｓｉｎｇｆｒｅ ｑｕｅｎｃｙｉｎｓｐａｒｓｅｄｅｃｏｍｐｏｓｉｔｉｏｎ，ａｎｄｗａｓａｂｌｅｔｏｒｅｆｌｅｃｔｔｈｅｃｌａｓｓｉｎｆｏｒｍａｔｉｏｎ．Ｔｈｕｓ，ｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｃｏｕｌｄｂｅｒｅａｌｉｚｅｄ．Ｆｏｒ ｔｈｅｓａｋｅｏｆｉｍｐｒｏｖｉｎｇｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙ，ｉｔｆｕｓｅｄｍｕｌｔｉｓｃａｌｅａｎｄｍｕｌｔｉｄｉｒｅｃｔｉｏｎｗａｖｅｌｅｔｆｅａｔｕｒｅｓｔｈｒｏｕｇｈｒａｎｄｏｍｐｒｏｊｅｃ ｔｉｏｎ，ａｎｄｔｈｅｎｔｒａｉｎｅｄａｍｏｒｅｄｅｓｃｒｉｐｔｉｖｅｄｉｃｔｉｏｎａｒｙｂｙｔｈｏｓｅｆｕｓｅｄｆｅａｔｕｒｅｓ．Ｉｎｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｅｘｐｅｒｉｍｅｎｔｓ，ｉｔａｃｈｉｅｖｅｄ ９４．７９％ ｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙ．Ｆｕｒｔｈｅｒｅｘｐｅｒｉｍｅｎｔｓａｎｄａｎａｌｙｓｉｓｐｒｏｖｅｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｉｓｒｏｂｕｓｔｕｎｄｅｒｎｏｉｓｙａｎｄ ｂａｄｉｌｌｕｍｉｎａｔｉｏｎｃｏｎｄｉｔｉｏｎｓ，ａｎｄｈａｓｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｅｆｆｅｃｔｉｖｅａｎｄｓｔａｂｌｅｉｎｇｌｏｂａｌｔｅｘｔｕｒｅｆｅａｔｕｒｅｅｘｔ