圖像紋理特征提取及分類算法研究.pdf

1、紋理識別是計算機視覺領(lǐng)域一個重要的課題,本文在傳統(tǒng)的紋理分析方法基礎(chǔ)上,重點研究統(tǒng)計幾何特征、灰度梯度共生矩陣以及對數(shù)極坐標(biāo)變換,并與向量機結(jié)合構(gòu)建分類系統(tǒng)。
　　 針對圖像尺度變化和角度旋轉(zhuǎn)的影響,本文對具有紋理旋轉(zhuǎn)不變性的對數(shù)極坐標(biāo)變換方法進行了分析。從視覺效果上看,尺度和方位不同的相似紋理所對應(yīng)的對數(shù)極坐標(biāo)圖像之間只是存在行移位現(xiàn)象。仿真實驗結(jié)果驗證了對數(shù)極坐標(biāo)灰度共生矩陣比常用的灰度共生矩陣方法更加有效。另外分析灰度梯度

2、共生矩陣方法,通過將圖像的梯度信息與灰度共生矩陣相結(jié)合,使得共生矩陣更能反映圖像紋理基元的排列信息。
　　 本文針對圖像分類問題,由于支持向量機具有堅實的理論基礎(chǔ)與良好的分類性能,重點研究了支持向量機的多分類方法實現(xiàn),構(gòu)建了粗分類和細分類相結(jié)合的多分類器,實現(xiàn)了紋理圖像的準(zhǔn)確劃分,為有效紋理特征的表示奠定了基礎(chǔ)。通過對Brodatz紋理集中選取的74類的紋理進行實驗,正確率達到了92％,對rotate紋理集的正確率達到99％。<