基于多特征组合的图像纹理分类-计算机应用与软件.PDF

第２８卷第８期　　　 计算机应用与软件 Ｖｏｌ２８Ｎｏ．８ ２０１１年８月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｕｇ．２０１１ 基于多特征组合的图像纹理分类 １ １ １ ２ 黄荣娟 　姜佳欣 　唐银凤 　卢　昕 １（武汉大学测控技术与仪器系　武汉湖北４３００７９） ２（武汉大学信号处理实验室　武汉湖北４３００７９） 摘　要　　在对纹理图像进行特征提取的算法中，高斯马尔可夫随机场（ＧＭＲＦ）、局部二值模式（ＬＢＰ）和灰度共生矩阵（ＧＬＣＭ）这三种算 法应用的较为广泛。常见的图像纹理分类做法是取某一种特征提取算法得到各种纹理的特征空间，进而配合分类算法进行分类。然而，这 种做法的不足之处在于未能充分利用各种特征之间的关联，且选取某一种特征提取算法建立特征空间不具对比性。对此，提出一种多特征 组合的方法，通过比较单个算法特征与组合特征的分类效果探究各算法特征在对纹理图像的分类上是否存在信息互补。实验结果表明单 个算法特征在纹理分类上的确存在优势互补，实验中所得最佳组合特征将给定图像纹理的平均分类精度提高到９６．９％。 关键词　　纹理分类　高斯马尔可夫随机场　局部二值模式　灰度共生矩阵　特征组合 中图分类号　ＴＰ３９１．４１　　　　文献标识码　Ａ ＦＥＡＴＵＲＥＣＯＭＢＩＮＡＴＩＯＮＢＡＳＥＤＩＭＡＧＥＴＥＸＴＵＲＥＣＬＡＳＳＩＦＩＣＡＴＩＯＮ １ １ １ ２ ＨｕａｎｇＲｏｎｇｊｕａｎ　ＪｉａｎｇＪｉａｘｉｎ　ＴａｎｇＹｉｎｆｅｎｇ　ＬｕＸｉｎ １（ＤｅｐａｒｔｍｅｎｔｏｆＭｅａｓｕｒｉｎｇａｎｄＣｏｎｔｒｏｌＴｅｃｈｎｏｌｏｇｙａｎｄＩｎｓｔｒｕｍｅｎｔａｔｉｏｎｓ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７９，Ｈｕｂｅｉ，Ｃｈｉｎａ） ２（ＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇａｎｄＭｏｄｅｒｎＣｏｍｍｕｎｉｃａｔｉｏｎＬａｂ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７９，Ｈｕｂｅｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ａｍｏｎｇｔｅｘｔｕｒｅｉｍａｇｅｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎａｌｇｏｒｉｔｈｍｓ，ＧａｕｓｓｉａｎＭａｒｋｏｖＲａｎｄｏｍＦｉｅｌｄ（ＧＭＲＦ），ＬｏｃａｌＢｉｎａｒｙＰａｔｔｅｒｎｓ（ＬＢＰ） ａｎｄＧｒａｙＬｅｖｅｌＣｏｏｃｃｕｒｒｅｎｃｅＭａｔｒｉｘ（ＧＬＣＭ）ａｒｅｔｈｅｔｈｒｅｅｃｏｍｐａｒａｔｉｖｅｌｙｗｉｄｅｌｙｕｓｅｄｏｎｅｓ．Ｔｈｅｃｏｍｍｏｎｉｍａｇｅｔｅｘｔｕｒｅｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄ ｉｓｔｏｃｈｏｏｓｅｏｎｅｋｉｎｄｏｆｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎａｌｇｏｒｉｔｈｍｔｏｏｂｔａｉｎｔｈｅｆｅａｔｕｒｅｓｐａｃｅｏｆｖａｒｉｏｕｓｋｉｎｄｓｏｆｔｅｘｔｕｒｅｓ，ｔｈｅｎｔｏｃｏｏｐｅｒａｔｅｗｉｔｈｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔｈｍｆｏｒｃｌａｓｓｉｆｉｃａｔｉｏｎ．Ｈｏｗｅｖｅｒｔｈｅｒｅａｒｅａｌｓｏｗｅａｋｎｅｓｓｅｓｉｎｔｈｅａｐｐｒｏａｃｈ．Ｏｎｔｈｅｏｎｅｈａｎｄｉｔｄｏｅｓｎ’ｔｆｕｌｌｙｕｓｅｔｈｅｒｅｌａｔｉｏｎｓ ａｍｏｎｇａｌｌｋｉｎｄｓｏｆｆｅａｔｕｒｅｓ，ｏｎｔｈｅｏｔｈｅｒｈａｎｄｉｔｌａｃｋｓｃｏｍｐａｒｉｓｏｎｉｎｃｈｏｏｓｉｎｇｏｎｅｋｉｎｄｏｆｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎａｌｇｏｒｉｔｈｍｔｏｂｕｉｌｄｔｈｅｆｅａｔｕｒｅ ｓｐａｃｅ．Ｔｈｅｒｅｆｏｒｅａｆｅａｔｕｒｅｃｏｍｂｉｎａｔｉｏｎａｐｐｒｏａｃｈｉｓｐｒｏｐｏｓｅｄ，ｗｈｉｃｈ，ｂｙｃｏｍｐａｒｉｎｇｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｅｆｆｅｃｔｓｂｅｔｗｅｅｎｔｈｅｓｉｎｇｌｅａｌｇｏｒｉｔｈｍ ｆｅａｔｕｒｅａｎｄｔｈｅｃｏｍｂｉｎｅｄｆｅａｔｕｒｅ，ｔｏｅｘｐｌｏｒｅ