基于主成分分析的紋理圖像分類算法.pdf

1、紋理是圖像分析中最常用而義難以描述的特征之一,其研究內(nèi)容主要包括紋理分類、紋理分割與合成以及紋理檢索等。紋理分類作為紋理圖像分析領(lǐng)域的重要方面,在眾多應(yīng)用領(lǐng)域產(chǎn)生了深遠的影響。
　　 紋理特征提取是紋理分類過程中的一個關(guān)鍵環(huán)節(jié),因為提取的紋理特征優(yōu)劣直接影響后續(xù)圖像處理的質(zhì)量。目前已經(jīng)有許多學(xué)者提出了大量的紋理特征提取方法,但是這些方法普遍存在計算量大、計算復(fù)雜度高,或使用范圍具有局限性等問題,從而制約了它們在實際生活中的應(yīng)用。

2、
　　 主成分分析(PCA)是設(shè)法將原來眾多具有一定相關(guān)性的指標(biāo),重新組合成一組新的相互無關(guān)的綜合指標(biāo)來代替原指標(biāo)的一種方法,它在圖像處理中的一個典型應(yīng)用就是用于人臉識別的特征臉方法。這個方法從整體的角度提取圖像信息,不僅實現(xiàn)簡單,而且在變換的過程中,盡可能保持了圖像原有的信息。
　　 借鑒特征臉方法,本文提出了一種新的紋理特征提取方法——特征紋理算法,并將所提取的紋理特征用于紋理圖像的分類。這種方法不僅充分利用了全部紋

3、理信息,而且利用了PCA方法在提取全局特征方面的優(yōu)勢,因此可以更好地提取出紋理特征。
　　 為了彌補特征紋理算法在提取特征時只考慮全局特征,而忽略局部特征的不足,本文又提出了一種基于PCA和LBP的改進的特征紋理算法。這種方法充分結(jié)合了PCA在提取全局特征方面的優(yōu)勢和LBP在提取局部紋理細節(jié)方面的優(yōu)勢,因此用此方法提取的紋理特征進行紋理圖像分類,能達到更高的準(zhǔn)確率。
　　 本文以O(shè)utex圖像庫為實驗對象,以歐式距離作為