EMD―SVM在纹理图像识别中应用.docVIP

EMD―SVM在纹理图像识别中应用 　　摘 要：为了提高纹理图像识别的准确率，提出了一种经验模式分解和支持向量机（EMD-SVM）在纹理图像识别中的应用。首先采用经验模式分解对原始信号进行分解，得到一组固有模式函数；然后采用固有模式函数和残差之和构建特征子集，并用支持向量机对不同的特征进行纹理分类识别；最后对不同的自然纹理图像进行实验，并将结果与小波变换和支持向量机的纹理图像识别做了比较。实验结果表明， EMD-SVM的纹理图像识别率和识别精度高于小波变换和支持向量机的纹理图像识别。 　　关键词：经验模式分解；支持向量机；固有模式函数；纹理识别 　　中图分类号：TP391.41 文献标志码：A 　　Application of EMD-SVM in Texture Image Recognition 　　XIAO Shu-ping 　　（College of EngineeringTechnology，Xi’an Fanyi University，Xi’an，Shaanxi 710105，China） 　　Abstract：The application of EMD-SVM in texture image recognition is proposed for texture recognition for improving texture image recognition accuracy rate.At first，It takes the empirical mode decomposition on the original signal and decomposes it into a set of Intrinsic Mode Function （IMF）；Then take the IMF and the sum of residual to construct feature subset，using SVM to texture classification for different features.Finally，experiments are conducted on different natural texture images，also compared to wavelet transform and SVM.The experiment result show that the method proposed in this paper has the higher recognition accuracy rate. 　　Key words：EMD；SVM；IMF；texture recognition 　　1 引 言 　　随着计算机应用的不断深入，人们希望计算机能够模拟人类的各种活动，从而有效地协助人类的生产和生活。计算机视觉是完成这一目标的重要任务之一，它的目的是模仿人眼对外部世界进行感知和认知。由于纹理的普遍性，以及其在人类感知和认知外部世界过程中所起的重要作用，因此，对纹理的研究是计算机视觉里非常重要的一部分。 　　从本质上讲，某种纹理识别算法要想取得成功，必须具备两个条件：1）该算法能够很好地鉴别图像中不同的纹理特征并对它们进行合理的处理，便于后面的分类；2）根据该算法能够建立分类器，以对前面得到的纹理特征进行处理并正确的归类。因此，纹理识别可以看作由两个子问题组成，即特征提取和分类处理。 　　三十多年?恚?人们提出的各种纹理特征提取方法可总结为统计法、基于模型的方法和信号处理方法三类[1-4]。常用的纹理特征分类方法有：k-最近邻法[5]、支持向量机[6-10]以及神经网络[10-12]等。 　　近几年，EMD[13-17]在图像分类任务中取得了很大进展，并吸引了许多学者和研究人员投身其中。EMD成功的原因之一是它对非线性、非平稳信号的时频分析特别有效。本文主要将EMD和SVM结合应用于自然纹理识别方面。 　　2 经验模式分解 　　EN.Huang等人提出的经验模式分解（Empirical Model Decomposition，EMD）[18]方法，可以根据信号本身的时间特征尺度自适应地把复合信号分解为有限个具有良好Hilbert性质的单分量信号――固有模式函数（IMF），而不需要任何的先验性条件。因此，EMD具有非常好的自适应性，可以有效地对非平稳、非线性信号进行分解，从而能够对它们进行有效的时频分析。 　　根据IMF的定义，它必须满足以下两个条件： 　　（1）在整个信号长度上的极值点和过零点数目相等或至多相差1； 　　（2）在任意时刻，由极大值和极小值拟合的上包络线的均值为0，即信号关于时间轴对称。为了把复合信号分解成有限个具