ICA纹理分类中特征提取和滤波器独立性的研究.doc

第40卷第8 期Vol.40,No.8 2010年8月 J OURNAL OF UNIVE RSITY OF SCIE NCE AND TECHNOLO GY OF CHINA Aug.2010 文章编号:025322778(20100820835206 　　收稿日期:2009204203;修回日期:2009208221 基金项目:国家自然科学基金60875012,合肥工业大学博士学位人员专项基金(GDBJGDBJ合肥工业 大学科学研究发展基金(080503F 资助. 作者简介:徐小红(通讯作者,男,1976年生,博士/讲师.研究方向:图像处理与模式识别.E 2mail :xuxiaohong0406@163.com ICA 纹理分类中特征提取和滤波器独立性的研究 徐小红,杨学志,高　隽,杨德美 (合肥工业大学计算机与信息学院图像信息处理研究室,安徽合肥230009 摘要:根据独立成分分析系数满足非高斯分布的特点,提出了一种新的对野值鲁棒的纹理特征提取 方法,该方法较好地描述了独立分量分析系数分布的反对称性和稀疏性,在仿真实验中取得了较好的分类效果.同时针对不同的特征提取方法,利用独立性不同的滤波器研究了滤波器独立性对分类性能的影响,进一步揭示了独立成分分析系数的非高斯性与特征辨识能力之间的关系.关键词:纹理分类;独立成分分析;非高斯分布;独立性中图分类号:TP391.41　　　文献标识码:A 　　doi :10.3969/j.issn.025322778.2010.08.00 R esearch on feature extraction and f ilter independence in ICA 2based texture classif ication XU Xiaohong ,YAN G Xuezhi ,GAO J un ,YAN G Demei (L aboratory of Image Inf ormation Processing ,School of Computer and Inf ormation ,Hef ei University of T echnology ,Hef ei 230009,China Abstract :A new feat ure extraction met hod was p roposed by exploring non 2gaussianity of ICA coefficient s.Feat ures wit h respect to asymmetry and sparsity of ICA coefficient s were ext racted ,which were shown to be robust to o utliers and achieve better classificatio n performance t han p reviously reported ICA feat ures.Furt hermore ,t he impact of filter independence on various text ure feat ures was investigated ,and t he relationship between t he non 2gaussianity of ICA coefficient s and t he discriminating power of feat ures were f urt her revealed. K ey w ords :text ure classification ;independent compo nent analysis (ICA ;non 2gauss distribution ; independent 0　引言 纹理是表征图像的一个重要特征,它广泛存在于各类图像中.纹理图像的分类在图像处理、计算机视觉和模式识别中有着极其重要的作用.目前主要有四类常用的纹理特征表达方法[1]:基于统计分析、基于几何结构分析、基于模型以及基于信号处理等方法.其中,基于信号处理的方法又称为基于滤波器组的方法,受到广泛关注,其实质是采用滤波器或滤 波器组对纹理图像进行分解变换,获得纹理在不同分辨率或者不同频谱范围内的特征表现[2],本文所研究的基于独立成分分析的纹理分类方法属于信号处理方法. 纹理图像含有丰富的结构信息[3],鉴别不同纹理的重要信息往往存在于像素间的高阶统计关系,ICA 是这种高阶统计方法中的一种,近年来,ICA 滤波器组开始应用于纹理分析[427].将ICA滤波器组与纹理图像进行滤波(卷积得到ICA系数(