基于改进LBP的纹理图像分类-电子与通信工程专业论文.docxVIP

I I 摘 要 摘 要 随着网络传输和终端设备的发展，图像已经成为人们信息的主要来源之一，图像数 据呈爆炸式的增长。海量的图像数据对信息处理技术提出了挑战。如何有效地理解、利 用图像数据，如何从海量的图像库中获取有用信息已成为一项富有挑战性、极具价值的 研究。图像分类作为图像分析中一项关键技术广泛应用于智能视频监控，目标识别，基 于内容的图像检索等各个方面。纹理特征作为图像的主要底层特征之一，在图像分析中 占有重要角色。 纹理图像分类在计算机视觉和模式识别等领域是一个相当活跃的研究课题，近年来 出现的局部二值模式算法(Local binary pattern，LBP)，以其简单、高效的特点，在纹理 分析中得到了广泛应用。LBP算法主要关注纹理的局部特征，对于全局信息存在一定丢 失。另外，当前网络中图像数据的爆炸性增长，纹理图像的类别标记难以获得，而未标 记的图像样本容易获得。针对上述问题，本文提出了一种基于Tri-training的LBP纹理图 像分类方法，主要内容包括： (1) 实现了基于 Tri-training 的 LBP 纹理图像分类算法。采用 LBP、LBPV 和 LBP-HF 三种纹理特征提取算法，实现了纹理图像全局特征和局部特征的融合，半监督 思想的应用，能充分的利用已标记和未标记纹理图像，实验表明该分类算法显 著提高了纹理图像分类的精度。 (2) 通过 Outex