论文部分内容阅读
纹理分类作为纹理分析研究领域的重要方面，在景物识别、遥感图像分析、医学图像分析、基于内容的图像检索等众多应用领域产生了深远的影响。 近年来，基于Gabor变换和小波变换的图像纹理特征提取是研究热点。尽管Gabor能量谱能捕获纹理中的大量有用信息，但很难获得纹理在频率和方向上的微小变化信息，且滤波器组卷积过程会使运算时间剧增，不利于特征提取。小波变换克服了Gabor方向滤波对高频信号的分析缺乏足够分辨率的缺陷，但是它只有有限的三个方向(水平、垂直和对角线方向)，而实际纹理的方向性很丰富，因此小波变换也不能有效地刻画纹理的特性。 Ojala提出的局部二值模式(Local Binary Pattern，LBP)是近年来新兴的研究方向，其优点是计算简单、具有平移不变性和灰度单调不变性，相对于Gabor变换具有很大的速度优势，同时具有类似Gabor变换的特性且具有更少的冗余，是进行满足上述条件的纹理特征提取很好的方法。在基于LBP的纹理分类领域本文从以下几方面进行研究： (1)由于LBP本身多尺度分析是通过扩大半径、增加采样点，再在不同尺度下利用双线性插值法求像素值，计算量大、速度较慢，计算精度不高。因此本文提出将LBP与基于EMD的多尺度分析方法相结合提取纹理特征再利用支持向量机进行分类。本方法具有较强的多尺度空间局部特征描述能力，与其它算法比较，本方法提高了识别效果，且对光照改变具有鲁棒性。 (2)彩色信息的加入使纹理分类准确率有一定的提高，但对于彩色纹理图像来说，其中富含的色彩信息对光照的影响比较大，要提取对光照不敏感的纹理特征极具研究意义。本文通过实验验证了LBP在光照不变性方面具有明显的优势，结合LBP算法本身的优点，将其用于彩色图像的分析，取得了不错的实验效果。