论文部分内容阅读
纹理分类在医学图像分析、遥感图像分析等领域有着广泛的应用，由于在实际的纹理图像采集过程中，往往由于拍摄角度的变化等原因而引起一定的旋转，并且存在各种噪声等干扰，使得在纹理分类过程中对于提高纹理图像的抗旋转性能、抗噪声干扰性能等成为当前图像处理领域的一个重要研究热点。 特征提取是对图像进行纹理分类过程当中的关键技术，而纹理特性是反映图像内容的基本特征之一，是图像分析和图像识别中的一个极为重要的信息源。因此，有效实现对图像的纹理特征提取，具有十分重要的意义。纹理特征的结构表现出很强的多尺度特性，在不同尺度下呈现出不同的局部特征，充分利用不同尺度下的纹理局部特征，可以提高纹理分类的准确率。局部二值模式(LBP)适合于描述自然纹理的局部特征，但缺乏对纹理空间分布的全局特性表示;而角度径向变换(ART)能够较好地描述纹理的空间分布特性，但缺乏对纹理局部特征的表征。一个合适的纹理特征提取方法，不仅能反映纹理的局部结构特性，而且需要能描述纹理的空间分布的全局信息。 针对ART和LBP各自在纹理特征提取上的特点，本文首先介绍了对图像进行纹理分类中的常见纹理特征提取方法，并系统分析了目前国内外对于ART和LBP的研究现状，以及利用ART和LBP进行纹理特征提取的基本方法和步骤。然后在此理论基础上，将二者结合进行比较深入地纹理分类研究，主要在以下两个工作上进行了创新: 1.提出了一种结合角度径向变换和局部二值模式的纹理特征提取及纹理分类算法。该方法将图像的局部特征与全局特征进行结合，以提高对纹理图像的识别能力。首先利用ART算子提取图像的全局纹理特征，利用LBP算子来提取图像的局部特征，然后将提取出来的两种特征结合作为提取的图像纹理特征，利用K近邻特征空间距离的分类方法进行相似性度量，这样可以充分利用二者各自的优势互补。通过实验证实，该算法具有较高的纹理分类准确率。 2.提出了一种基于多尺度角度径向变换的局部二值模式纹理分类算法。该方法首先利用不同阶数ART算子对图像进行纹理特征提取和重构，得到不同尺度下的重构图像，然后利用LBP算子分别提取这些重构图像的空域特征向量，接下来将这些特征向量进行级联组合，最终得到多尺度下的纹理图像特征，并采用K近邻特征空间距离的分类方法进行相似性度量，以此进行纹理分类。实验分析结果表明，利用该方法可以获得较好的纹理分类效果，并对旋转、噪声等干扰具有一定的鲁棒性。