论文部分内容阅读
特征提取是模式识别中的一个关键问题。本文提出了一种基于Contourlet变换的特征抽取算法。Contourlet变换具有多方向性和各向异性，能以接近最优的方式描述图像的边缘和纹理。文中算法利用Contourlet变换各子带系数的统计特性，构造特征矢量。Contourlet变换获得的特征是图像的局部特征，图像不同子带特征的分类能力是不相同的，针对各子带数据的离散程度进行加权处理，为分类能力强的特征量赋予较大的权值。该算法充分利用样本的统计信息，简捷、高效，并具有一定的鲁棒性。将该算法应用于Brodatz图