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(guān)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(duì)紋理進(jìn)行濾波，紋理特征是用濾波器輸出的統(tǒng)計(jì)值表示的；然后用這些特征向量進(jìn)行紋理分類研究，分類主要利用了簡(jiǎn)單(naive)Bayes分類方法和最大加權(quán)相關(guān)樹分類方法；最后通過實(shí)驗(yàn)驗(yàn)證了對(duì)紋理的分類，最大加權(quán)相關(guān)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(duì)紋理的研究主要是針對(duì)2D紋理的研究的，一般是通過大量的訓(xùn)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(xùn)練樣本就可以完成3D紋理特征提取。實(shí)驗(yàn)應(yīng)用CUReT數(shù)據(jù)做紋理數(shù)據(jù)集，運(yùn)用貝葉斯分類器和改進(jìn)的分類器對(duì)紋理進(jìn)行分類。實(shí)驗(yàn)結(jié)果證明了改進(jìn)的分類器對(duì)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(yīng)的稀疏紋理的3D表面特征描述方法

3、，并進(jìn)行相應(yīng)的紋理分類研究。方法是利用隨機(jī)抽樣一致算法(RANdomSampleConsensus(RANSCA))自動(dòng)計(jì)算兩幅圖像間的單應(yīng)，并使用Levenberg-Marquardt算法最小化重投影誤差估計(jì)與引導(dǎo)匹配的約束剔除初始匹配中的誤匹配點(diǎn)，同時(shí)找到新的匹配對(duì)。提取兩幅紋理的匹配點(diǎn)，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(diǎn)的變化引起立體紋理的陰影變化等，通過匹配點(diǎn)的提取而不再需要大量的訓(xùn)練