四元数小波变换和多分形特征的纹理分类.docVIP

基于四元数小波变换及多分形特征的纹理分类 摘 要:将四元数小波变换(qwt)和多分形相结合进行纹理分类,充分利用了qwt的旋转不变特性和纹理图像的多分形特性,能弥补传统的应用小波变换进行纹理分类时缺乏将输入图像分解成多个方向的不足。通过对uiuc数据库中的纹理图像分类,表明四元数小波及多分形相结合的方法具有较高的分类精度,平均分类正确率可达96.69%,是一种合理有效的纹理分类方法。 关键词:四元数小波变换;多分形;纹理分类;机器视觉;纹理图像  texture classification based on  quaternion wavelet transform and multifractal characteristics  gao zhi1*, zhu zhihao2, xu yonghong1, hong wenxue1 ( 1.institute of electrical engineering, yanshan university, qinhuangdao hebei 066004, china; 2.qinhuangdao tianye tolian heavy industry company limited, qinhuangdao hebei 066004, china ) abstract: the paper incorporated the multifractal analysis method into the idea of quaternion wavelet transform (qwt), which took advantage of the rotationinvariant properties and multifractal properties of texture image, and could make up for the lacks of ability to decompose input image into multiple orientation in texture classification when using wavelet transform. the experiment of texture classification using the images from uiuc shows the method has higher classification accuracy and the average correct classification rate is 96.69%. it proves this texture classification method is reasonable and effective. key words: quaternion wavelet transform (qwt); multifractal; texture classification; machine vision;texture image  0 引言 纹理是多数图像的基本特性,在机器视觉和模式识别中起着关键性的作用[1]。纹理分类包含两个重要的基本问题：一是如何描述纹理的特征;二是如何在纹理之间定义合适的距离或相似度测量[2]。基于以上两个问题,纹理图像的特征必须具有旋转不变性,同时还要在有效的内部空间定义纹理。目前针对纹理分析的特征提取及分类方法有很多。然而,这些方法都仅限于在小邻域的单一范围内的空间相互作用分析。因此,这些方法往往只适用于显微纹理的分析,此外这些方法的单分辨率技术也导致了纹理分析结果并不理想。 近年来,小波变换作为一种多尺度分析工具，被应用于纹理分析[3]、基于小波框架的纹理分类[4]等。 虽然小波变换在纹理分类中已经取得了显著成果,但小波变换仅仅是把给定图像分解成0°,45°,135°方向上的水平、对角线和垂直方向上的3个定向平滑子带。这就限制了小波变换对于旋转不变纹理图像的分析[5]。 由于2d实值信号可以用四元数表示,因此相对应的四元数小波尺度函数和小波函数的构造就成为分析2d信号的关键。四元数小波变换(quaternion wavelet transform, qwt)理论是四元数理论和小波分析理论相结合产生的,可以为2d图像提供具体的相位信息。相对于传统小波变换,qwt具有旋转不变的特性,并且能对图像进行局部幅值相位分析。这些都可以弥补小波变换在图像处理中的一些不足。目前国内外已有将qwt应用到图像处理上的研究。文献[6]提出了基于qwt理论的图像多分辨率视差估计方法。文献[7]充分利用了qwt的平移不变性、旋