紋理的特征提取與分類研究.pdf

1、本論文主要研究紋理圖像的特征提取和分類。首先在第一章描述了與紋理相關的一些基本概念；第二章介紹了描述紋理特征的方法，接著在第三章講述了基于濾波器組的紋理分類方法。該方法首先利用濾波器組對紋理進行濾波，紋理特征是用濾波器輸出的統(tǒng)計值表示的；然后用這些特征向量進行紋理分類研究，分類主要利用了簡單(naive)Bayes分類方法和最大加權相關樹分類方法；最后通過實驗驗證了對紋理的分類，最大加權相關樹分類方法的效果是較好的。 在第四章研

2、究了基于局部仿射變換的稀疏紋理分類。以往對紋理的研究主要是針對2D紋理的研究的，一般是通過大量的訓練樣本來完成紋理特征的提取，本文在第四章介紹了通過仿射變換來提取稀疏紋理的立體信息，這樣只需要較少的訓練樣本就可以完成3D紋理特征提取。實驗應用CUReT數(shù)據(jù)做紋理數(shù)據(jù)集，運用貝葉斯分類器和改進的分類器對紋理進行分類。實驗結果證明了改進的分類器對紋理分類的精度較好，但速度很慢。 在第五章提出了基于單應的稀疏紋理的3D表面特征描述方法

3、，并進行相應的紋理分類研究。方法是利用隨機抽樣一致算法(RANdomSampleConsensus(RANSCA))自動計算兩幅圖像間的單應，并使用Levenberg-Marquardt算法最小化重投影誤差估計與引導匹配的約束剔除初始匹配中的誤匹配點，同時找到新的匹配對。提取兩幅紋理的匹配點，不僅可以提取一般紋理的特征，而且可以提取包含立體信息的紋理特征，如由光照和視點的變化引起立體紋理的陰影變化等，通過匹配點的提取而不再需要大量的訓練