论文部分内容阅读
纹理分类作为数字图像处理和计算机视觉中的一个重要研究课题，在医学领域中的病理分析和疾病诊断、遥感图像等方面有广泛的应用。 彩色图像较灰度图像而言，含有更大的信息量和更丰富的视觉感受，研究表明，人眼对颜色的敏感度比对亮度的敏感度更强，因此，颜色信息对图像的视觉感知很重要。旋转不变纹理分类是纹理分析中的一个重点，其在许多实用领域有着广泛的应用，如:基于内容的图像检索、遥感图像分析、医学图像分析、生物特征识别以及目标识别等领域。然而一直以来，人们对颜色信息的研究一般是通过分通道处理，并没有考虑颜色分量间的相关性，尽管彩色图像的各个颜色分量间存在着显著的光谱联系。而近十年来出现的基于四元数的彩色图像处理技术，由于把彩色图像的三个通道当做一个整体来处理，能充分考虑颜色信息和彩色图像各分量之间的相互关系，在彩色纹理图像分类、分割和边缘检测等领域获得了更好的关注。 为了更好地利用颜色信息和彩色图像各分量之间的相互关系，来进行旋转不变彩色纹理分类，本课题首先介绍了一些常见的纹理谱分析方法，包括傅里叶变换、Gabor、小波及Curvelet变换等，并回顾了四元数及彩色图像的四元数表示，在这些理论基础上利用四元数Gabor和四元数Curvelet来进行彩色纹理分类的研究，分别做了以下两个较为新颖的工作: (1)提出了基于四元数Gabor小波的旋转不变和尺度不变彩色纹理分类方法，这种方法始终将彩色像素作为一个整体来进行处理，充分考虑了彩色图像各颜色分量之间的相关性;而且通过把均值和方差特征向量重新排列成二维特征矩阵，使得对图像的旋转和缩放等效于对此二维矩阵沿行或列方向的平移，再对该二维矩阵进行二维离散傅里叶变换，利用DFT幅度谱的平移不变性来构建旋转不变和尺度不变彩色纹理特征，实验测试结果表明，此特征对于图像的旋转变换和尺度变换具有更好的鲁棒性和较高的分类准确率。 (2)提出了基于四元数Curvelet的旋转不变彩色纹理分类方法，该方法与上文提出的四元数Gabor方法相比，由于其频率响应为楔形，所以能无缝覆盖整个频率平面，而由于Gabor小波集的非正交性，不仅计算复杂度高，而且使得滤波后的图像中会有冗余信息。为剔除这些冗余信息，滤波器的基本设计策略是保证Gabor滤波器组的响应在频谱的上半峰幅值可以相互接触但又不互相重叠，这使得Gabor滤波器在频域上的形状为菊花瓣状，只能覆盖部分频率域的频谱，以至于不能完全覆盖频率平面，因此Curvelet变换在捕捉图像的频率信息的时候不会有信息的损失，实验测试结果表明，四元数Curvelet彩色纹理分类具有比四元数Gabor更优的分类效果。