基于馬爾科夫隨機(jī)場的紋理圖像分類.pdf

1、紋理幾乎是所有圖像的固有特性,任何圖像都可以看成是一種或是多種紋理的結(jié)合?，F(xiàn)在對于紋理圖像的分析和分類廣泛用于瑕疵定位、景物識別、圖像檢索、遙感圖像分析等多個領(lǐng)域。本文針對紋理圖像的分類問題,提出了基于馬爾科夫隨機(jī)場模型的特征提取方法,然后加入一些輔助特征,利用BP人工神經(jīng)網(wǎng)絡(luò)來進(jìn)行識別分類的方法。馬爾科夫隨機(jī)場是馬爾科夫隨機(jī)過程在二維參數(shù)中的推廣。在數(shù)學(xué)上馬爾科夫隨機(jī)場是可以很好的表達(dá)紋理集聚的概率模型,它的統(tǒng)計參數(shù)能夠表現(xiàn)出鄰域像元

2、集合的大小和方向,能夠合理的描述出紋理圖像的隨機(jī)特性。在本文中根據(jù)紋理圖像的特點(diǎn)構(gòu)建了馬爾科夫隨機(jī)場模型,然后進(jìn)行參數(shù)估計,求取紋理特征參數(shù)。應(yīng)用人工神經(jīng)網(wǎng)絡(luò)對紋理參數(shù)進(jìn)行模式分類,這是近幾年興起的模式識別領(lǐng)域的一個新的研究方向。實(shí)驗(yàn)結(jié)果證明,應(yīng)用馬爾科夫隨機(jī)場模型提取的特征參數(shù)是有效的,人工神經(jīng)網(wǎng)絡(luò)模式識別分類方法是可行的。另外,在本文中還添加了一些能夠表達(dá)紋理特點(diǎn)的紋理特征,主要是從灰度共生矩陣中提取的8個特征參數(shù),以及能夠很好表達(dá)