基于小波的紋理特征提取算法的研究.pdf

1、紋理是人們視覺系統(tǒng)對自然界物體表面現(xiàn)象的一種感知,它作為物體表面的一種基本屬性廣泛存在于自然界中,是人們描述與區(qū)分不同物體的重要特征之一。紋理分析技術(shù)是圖像處理領(lǐng)域一個經(jīng)久不衰的研究熱點,紋理特征提取作為紋理分析的首要問題,成為人們關(guān)注的焦點。本文在傳統(tǒng)的紋理特征提取方法的基礎(chǔ)上,提出了一種雙樹復(fù)小波域共生矩陣紋理特征提取方法,對提取的特征值用聚類的方法進行性能分析,并應(yīng)用于圖像檢索中。本文的主要工作如下:
　　1.復(fù)現(xiàn)了GLCM

2、、DT-CWT紋理特征提取方法。通過實驗比較了特征值之間的相關(guān)性,選擇能量、熵、慣性矩和局部平穩(wěn)這4個非相關(guān)特征值。構(gòu)造共生矩陣參數(shù),通過考察構(gòu)造參數(shù)對特征值的影響來確定構(gòu)造參數(shù)。該方法簡潔、計算量小。在DWT和DT-CWT比較分析之后,利用DT-CWT從多方向和多尺度兩個方面對圖像紋理分析。設(shè)計了濾波器,并驗證了DT-CWT的性質(zhì)。
　　2.在深入研究GLCM和DT-CWT紋理特征提取方法的基礎(chǔ)上,提出了一種雙樹復(fù)小波域的共生矩

3、陣紋理特征提取方法。該方法利用雙樹復(fù)小波模型,構(gòu)造同時滿足正交和重構(gòu)的濾波器,對紋理圖像進行多層分解。通過計算多層低頻子帶圖像的共生矩陣,提取描述紋理圖像在不同尺度下的特征矢量;通過計算一層分解不同方向子帶圖像的共生矩陣,提取描述紋理圖像不同方向的特征矢量。該方法能有效地描述紋理的尺度特性和方向特性,而且算法直觀簡明。
　　3.利用聚類分析,對GLCM、DT-CWT和雙樹復(fù)小波域共生矩陣的紋理特征提取方法所提取的特征矢量進行性能分

4、析。將每一幅紋理圖像所提取的特征矢量視為一個聚類的樣本,不同類型所有紋理圖像所提取的特征集合作為不同的聚類。通過聚類內(nèi)部距離、聚類間距離及其比值等指標(biāo),分析比較了上述3種方法的特征提取性能。實驗結(jié)果表明,本文提出的方法具有較好的聚類性能,所提取的紋理特征的聚類分離度優(yōu)于其它兩種方法,并能較好地保持聚類內(nèi)部樣本的差異性。
　　4.將GLCM、DT-CWT和雙樹復(fù)小波域共生矩陣的紋理特征提取方法應(yīng)用于圖像檢索。利用檢索圖像與圖像庫中圖