两类纹理分类方法的比较-应用数学专业论文.docxVIP

摘要纹理足构成现实世界的基本要素，充斥着人类生活的各个方面，对纹理的 摘要 纹理足构成现实世界的基本要素，充斥着人类生活的各个方面，对纹理的 感知是人类知觉系统赖以认识世界的重要因素。随着对计算机认知科学和对人 工智能研究的不断深入，计算机视觉和图像处理等分支得到了长足的发展。计 算机J下在逐步具有感知周围的视觉世界、进而了解它的组成和变化规律的能力。 纹理，作为一种J“泛存在的图像模式，自然成为计算机视觉和图像处理的重要 研究课题。 对纹理的研究有两个目的：一个是研究纹理的观赏特性，另一个是研究纹 理图像的特性，即纹理分析。对计算机视觉来说，纹理是为了分割和识别场景 或物体表面类型而产生的一种视觉标记。目前纹理分析包含有五个主要的问题： 纹理分割、纹理分类、纹理合成、从纹理恢复形状和基于纹理的图像检索。 从本质上讲，纹理分类是根据图像中各像素所处的不同区域，将它们归至 已知的不同类别的问题。这种处理模式和以往的图像分割不同，因为纹理的归 属不仅仅和给定像素的灰度值有关，还和其周围的灰度分布状况密切相关。纹 理分类可以看作由两个子问题组成，即特征提取和分类处理。其中，特征提取 的方法可分为基于统计、基于模型和基于信号处理三类，常用的工具有共生矩 阵、频域分析和分形等。 本文研究了纹理图像的特征形成特点并在此基础上提出了一系列滤波器组 参数选择准则，其目的是采用尽可能少的滤波器来进行纹理特征提取，并构造 具有最大类间可分离性、相关性、维数低的特征空间，简化分类器设计的复杂 度，在保持纹理分类效果的前提下提高纹理分类速度；我们还给出了滤波器响 应的两种表示一纹理基元表示和区间直方图表示，并证明了这两种表示是可 以相互转换的。 本文主要讨论了基于纹理滤波器响应表示的两种分类器：(1)贝叶斯分类， 建立在滤波器响应的联合概率分布函数(PDF)基础之上，其中滤波器响应是用 纹理频率直方图表示的；(2)基于纹理基元频率表示的最近邻域分布比较分类； 还包括分类器的设计思想和实现过程等问题，重要的还对这两个分类器从理论 上和实际应用上进行了比较，指出这两种分类方法理论上是一致的，实验中他 们的分类结果非常接近，都很好。 们的分类结果非常接近，都很好。 贝叶斯分类首先从训练图像中学习纹理滤波器响应的类条件似然函数的联 合概率分布，通过对滤波器响应的量化，而表示为直方图。对新的图像，先汁 算图像象素的滤波器响应，然后利用贝叶斯决策原理对其进行纹理分类。最后， 为了对整个图像或图像区域进行分类，要假定象素是独立的，即图像后验概率 是每个象素概率的乘积。 分御比较分类方法是从训练集中学习纹理基元频率分白，然后比较新图像 与训练图像的纹理基元频率分布，从而达到对新图像的分类。 算法的评价是通过对CUReTI[Columbia-Utrecht)数据库中的61种物体的图像 分类而进行的。除了视点在极端位置的图像外，我们任选了数据库中61种物质 不同的92张图像。每种物质的92张图像被分成两个不相交的组，第一组的46 张图像用来作为模型学习，第二组的46张图像用于检测分类器分类结果的准确 性。 不同的物质纹理图像所需要的模型维数是物质纹理表面随成像条件的变化 而改变的函数，也即物质纹理所需模型的维数依赖于物质纹理的特征，有些纹 理图像所需模型的维数要少于其他纹理图像。以前的纹理分类试验中一般物质 模型的维数都是与训练图像的个数相等的，计算相当复杂。本文引入了两种方 法一“自然”模型和姿态标准化，其目的就是减少每个纹理类所需要的模型 维数，使新建立的模型也同样能够表示出物质纹理特征(模型维数与训练图像 数无关)，从而达到简化计算目的。 关键词：纹理；分类；纹理基元；滤波器响应；特征提取 Ⅱ AbstractFexture Abstract Fexture 1S one of the fundamental essentlal factors which consututes the teal world，and it exists in all sides of human beings Life．The sense perception of texture is an important element for human beings to recognize the world．Computer is having the capacity of feeling the world around，learning its changing regular and components step by step．As all image paUem，texture naturally becomes an important problem for