基于局部二值模式和灰度共生矩陣的紋理特征提取技術(shù)研究.pdf

1、隨著網(wǎng)絡(luò)和多媒體技術(shù)的發(fā)展，數(shù)字圖像的應(yīng)用變得更為廣泛，對(duì)圖像的分析和處理日益重要。紋理特征作為圖像的底層特征，能夠綜合反映出圖像的灰度級(jí)統(tǒng)計(jì)、空間分布和結(jié)構(gòu)信息。因此，提取出有效的紋理特征對(duì)于圖像的分類和檢索起著重要的作用。圖像分類過程包括圖像特征提取和相似性度量?jī)蓚€(gè)階段，而相似性度量方法經(jīng)過多年的研究已經(jīng)趨于成熟，所以本文重點(diǎn)討論了圖像的紋理特征提取技術(shù)。
　　相對(duì)相是一種新的圖像信息提取技術(shù)。在圖像變換域中，相位信息體現(xiàn)出奇

2、異發(fā)生的位置，系數(shù)的模值體現(xiàn)了變化的強(qiáng)度。局部二值模式（Local Binary Pattern，LBP）能夠反映出圖像像素點(diǎn)間的微觀結(jié)構(gòu)，被廣泛地用于紋理圖像分類并取得較高的分類正確率。經(jīng)過深入研究相對(duì)相和LBP，本文提出了局部相對(duì)相二值模式并設(shè)計(jì)出LRPBP（Local Relative Phase Binary Pattern）方法。該方法首先通過Gabor變換得到圖像的相對(duì)相信息，在此基礎(chǔ)上使用LBP進(jìn)行紋理特征提取，使用相對(duì)相

3、信息構(gòu)造出圖像的局部結(jié)構(gòu)作為紋理特征并應(yīng)用于圖像分類中。實(shí)驗(yàn)表明本文提出的LRPBP方法能夠取得比LBP更高的分類正確率。
　　一幅圖像中包含著豐富的信息，圖像的一種屬性通常只能提取出圖像的一部分信息，在對(duì)圖像進(jìn)行分類時(shí)往往沒有基于多特征的分類效果好。因此，為了提高圖像檢索正確率，本文結(jié)合LBP和LRPBP提取紋理特征并對(duì)紋理圖像進(jìn)行分類。實(shí)驗(yàn)證明采用多特征時(shí)對(duì)圖像進(jìn)行分類的效果要優(yōu)于使用單一特征的分類效果。
　　最后，論文