基于多尺度幾何分析的圖像特征提取與分類.pdf

1、近年來，隨著人類視覺系統(tǒng)研究的深入，多尺度幾何分析逐漸成為人們正確認識事物和現(xiàn)象的重要方法之一。由粗到細或由細到粗地在不同尺度(分辨率)上對事物進行分析稱為多尺度分析。多尺度分析在眾多領域都取得了許多重要的理論和應用成果，在圖像處理領域中的應用也十分廣泛。研究者們結(jié)合多尺度分析的方法，對圖像紋理分析提出了大量創(chuàng)新和改進，很大程度上提高了圖像紋理分析的精度。小波分析、Contourlet、Brushlet等就是應用較為廣泛的多尺度分析方法

2、。大量實驗證明多尺度幾何分析的方法能得到較好的分類效果，因此在圖像分析和分類研究中得到了廣泛的應用。本文對圖像的多尺度分析方法進行了探討，提出了不同的基于多尺度幾何分析的圖像特征提取方法，并將這些方法應用于圖像分類實驗中。
　　 ⑴提出了一種新的特征提取方法——頻域方向特征，該特征是通過將二維傅里葉平面按照頻率和方向劃分為不同的子帶得到的。為了驗證特征提取方法的優(yōu)勢，文中將頻域方向特征用于標準紋理庫和SAR圖像分類實驗中。實驗所

3、應用的相關性分類器的構(gòu)成是基于如下事實：圖像是由特定頻帶和方向的紋理信息組合而成，這反映為不同類別的圖像在不同的特征通道上具有明顯不同的相關性，即特征間的相關性是區(qū)分不同類別紋理的一個顯著特征。圖像分類實驗結(jié)果充分說明頻域方向特征不僅具有多頻帶、多方向的特性，同時還具有計算復雜度較低等優(yōu)點。
　　 ⑵綜合考慮應用廣泛的空域灰度共生矩陣和多分辨變換特征對紋理描述的局限性，將小波變換與空域灰度共生矩陣相結(jié)合，提出了基于非下采樣小波變

4、換的多分辨共生特征提取方法。多分辨共生矩陣可以有機的整合傳統(tǒng)多分辨變換與空域灰度共生矩陣的優(yōu)點，例如多分辨、頻譜能量信息、紋理結(jié)構(gòu)等。在此基礎上，本文對多分辨共生矩陣的統(tǒng)計特征進行了詳細的分析，并結(jié)合各特征的物理意義提出了新的特征選擇方法。對標準紋理庫的分類實驗結(jié)果表明，多分辨共生特征對紋理具有更好的描述能力，所提出的特征選擇方法在降低特征維數(shù)的同時，能夠保持甚至提高分類正確率。
　　 ⑶為更好的挖掘多分辨共生矩陣的方向性，將多

5、分辨共生矩陣的思想與多尺度幾何分析相結(jié)合，并進一步考慮Contourlet特征的多尺度、多方向性，在基于小波域多分辨共生特征的基礎上，提出基于非下采樣Contourlet變換的多分辨共生特征提取方法。針對該特征提出的特征選擇算法，在盡可能保持特征方向性、多尺度特性的同時，減少特征維數(shù)，達到降低計算復雜度的目的。實驗證明，該共生特征不僅具有基于小波變換的多分辨共生特征的優(yōu)點，而且能更好的發(fā)揮圖像的多方向特性，具有更好的紋理描述能力，表現(xiàn)出