基于复小波和支持向量机纹理分类法.docVIP

基于复小波和支持向量机纹理分类法 　　摘要：针对图像纹理分类问题，提出了一种将二元树复小波变换与支持向量机相结合的分类方法，通过二元树复小波变换对纹理图像进行四层分解，提取各子频带小波系数模的均值和标准方差组成特征向量，利用支持向量机作为分类器实现纹理图像分类。对20类Brodatz纹理图像的分类实验表明，提出的方法具有较高的分类精度，在有限训练样本的情况下比传统的分类算法平均正确率有10% 左右的提高，体现了该方法的有效性和良好的泛化能力。 　　关键词：小波变换;二元树复小波变换;特征提取;支持向量机;纹理分类 　　中图分类号：TP391文献标志码：A 　　文章编号：1001-3695(2008)05-1573-03 　　 　　纹理是表现图像内容的基本视觉特征之一，描述了图像或图像区域所对应景物的表面性质，包含了物体表面结构组织排列的重要信息以及它们与周围环境的联系[1]。纹理特征在模式识别和计算机视觉研究中具有十分重要的意义，出现了一大批卓有成效的纹理特征提取方法。Tuceryan等人[2]将这些方法分为四类，即统计法[1]、模型法[3,4]、频谱法[5,6]和结构法[7]。1999年Randen等人[8]对常用的纹理特征提取方法进行了相对系统和全面的分析比较，结论是没有哪种方法在所有测试图像中均优于其他方法，但发现频谱法在大多数图像中取得了最高的准确性，显示了频谱法技术的实用性和巨大的应用潜力。?? 　　20世纪90年代初随着小波变换的引入以及其理论框架的建立，许多研究者开始将小波变换用于纹理特征表达。目前普遍使用的基于小波分析的纹理特征提取方法中，Gabor滤波器法取得了不错的应用效果，但存在计算复杂度高、特征提取时间长的缺点。传统的离散小波变换主要存在缺少平移不变性和滤波器方向选择性有限两个缺点。而Kingsbury[9]提出的二元树复小波变换（dual－tree complex wavelets transform，DT－CWT）是一种具有近似的平移不变性、良好的方向选择性、有限的数据冗余和高效的计算效率的小波变换形式，比传统的小波变换更好地描述了图像的方向信息，从而能够有效地提取图像各个方向上的纹理特征。在图像的纹理分类和分割中，选择合适的纹理分类器是一个十分关键的环节。目前有很多分类器在不同的领域得到成功应用，常用的主要有最近邻分类器[10]、Fisher线性判别分类器[11]、神经网络[12]、贝叶斯分类器[13]、支持向量机[14,15]等。而综合SVM和频谱法提取图像特征的纹理分类研究还相对较少，研究的深度和广度都需要进一步加强。在类似的研究成果中，Kim等人[16]绕过了纹理特征提取步骤，利用图像灰度信息通过SVM实现图像纹理分类，实验中大部分图像的分类错误率达15%~20%。Li等人[17]利用离散小波框架变换（DWFT）和多类SVM对30种单纹理图像进行了分类实验，平均分类正确率达到96.34%，但是DWFT的计算复杂度较高，并且没有考虑图像的平移、旋转和多纹理图像对SVM分类精度的影响等问题。?? 　　 　　1二元树复小波变换?? 　　 　　二元树复小波变换（DT－CWT）在保留了复小波变换诸多优良特性的同时, 通过采用二元树滤波的形式, 保证了完全重构性[18]。如果仅仅从完全重构这个角度来看, 二元树复小波变换与常规的复小波变换完全不同, 但是, 如果将两棵小波树的输出分别解释为经由复小波变换而得到的实部和虚部的系数时, 这种变换就可以被看做是复小波变换了。如果二元树复小波变换中的滤波器取自于能够保证完全重构性的、线性相位的双正交滤波器组, 并且保证奇数长的高通滤波器关于其采样序列的中点偶对称, 而偶数长的高通滤波器关于其采样序列的中点奇对称, 那么, 由二元树复小波变换得到的冲激响应将与复小波变换得到的实部和虚部看起来十分近似[19]。DT－CWT不仅保持了传统小波变换良好的时频局部化的分析能力, 而且还具有近似的平移不变性、良好的方向分析能力，因为它可以区分频域空间的各个不同部分, 将产生6个方向的复系数带通子图, 它们分别明确地指向±15°、±45°和±75°方向, 如图1(a)和1(b)所示。?? 　　 　　3算法实现?? 　　 　　本文的分类算法主要包括数据准备、特征提取和分类器设计三个步骤，特征提取算法通过MATLAB实现，分类器采用台湾大学林智仁等开发的支持多类分类的BSVM 软件[20]。?? 　　3．1实验数据?? 　　在实验中，从Brodatz 图像数据库中选择了20 幅自然纹理图像作为实验数据，如图 3所示。每幅原始纹理图像为640×640大小的256级灰度图像，按5×5将每幅图像不重叠分割为25块128×128 像素大小的图像块，并认