基于反應(yīng)擴(kuò)散濾波和自適應(yīng)局部二值模式的紋理分析研究.pdf

1、圖像中的紋理具有多樣性、復(fù)雜性和不規(guī)則性,且在實(shí)際的應(yīng)用中常常受到各種因素(光照、噪聲、尺度、旋轉(zhuǎn)以及平移)的影響。大部分現(xiàn)有的紋理特征提取算法,在受控條件(旋轉(zhuǎn)、光照、噪聲等變化很小)下識(shí)別效果較好。然而,實(shí)際的圖像采集不易受控,這會(huì)導(dǎo)致算法的識(shí)別性能急劇下降。如果在特征提取之前對(duì)紋理圖像進(jìn)行去噪等預(yù)處理操作,現(xiàn)有的圖像去噪算法容易造成圖像紋理、邊緣等細(xì)節(jié)信息的丟失。因此,本文關(guān)注紋理圖像識(shí)別中的兩個(gè)難點(diǎn):紋理圖像去噪和紋理特征提取。

2、
　　 針對(duì)紋理圖像去噪中紋理、邊緣信息保持這一矛盾,本文首先,運(yùn)用最新多尺度幾何分析方法,定義了一個(gè)以波原子、曲波變換后鄰域內(nèi)梯度模值為參數(shù)的擴(kuò)散控制函數(shù)和一組具有信息重構(gòu)能力的雙正則項(xiàng),并與各向異性擴(kuò)散模型相結(jié)合,構(gòu)建了一種采用雙正則項(xiàng)各向異性擴(kuò)散的反應(yīng)擴(kuò)散方程。然后,從理論上證明了該模型數(shù)值解具有收斂性,并對(duì)算法的復(fù)雜度進(jìn)行證明和分析。最后,通過數(shù)值實(shí)驗(yàn)的對(duì)比分析,對(duì)本文算法的性能進(jìn)行了驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,本文方法在去噪過

3、程中對(duì)圖像紋理、邊緣信息具有更好的保持效果,尤其對(duì)噪聲污染嚴(yán)重的圖像效果更理想。
　　 針對(duì)現(xiàn)有紋理特征提取算法對(duì)光照、噪聲、尺度、旋轉(zhuǎn)以及平移等復(fù)雜條件的敏感性,本文定義了一種新型的自適應(yīng)局部二值模式,并結(jié)合差分運(yùn)算,提出了一種新的基于自適應(yīng)局部二值模式的紋理分類算法。新型的自適應(yīng)局部二值模式,它借助描述紋理空間結(jié)構(gòu)的均勻度和模式之間的相似度來對(duì)紋理中的不同模式進(jìn)行分類,對(duì)不同類別的模式結(jié)合紋理的局部特征和全局的關(guān)聯(lián)度計(jì)算其特

4、征值。運(yùn)用差分運(yùn)算,不僅提取出描述灰度二值關(guān)系的差分二值矩陣,而且保留了刻畫灰度變化強(qiáng)度的差分絕對(duì)值矩陣,并將兩部分特征值連接成一個(gè)空域增強(qiáng)的特征向量。
　　 最后,本文結(jié)合最近鄰分類算法,運(yùn)用本文提出的基于自適應(yīng)局部二值模式的紋理特征提取算法,對(duì)圖像進(jìn)行紋理特征提取、訓(xùn)練和分類。使用Brodatz、Outex兩大國(guó)際知名紋理圖片庫作為測(cè)試集進(jìn)行實(shí)驗(yàn),證明了本文算法在旋轉(zhuǎn)、光照、尺度平移和噪聲等復(fù)雜條件下的魯棒性優(yōu)于其它基于LB