学位论文 > 优秀研究生学位论文题录展示

图像纹理的特征提取和分类方法研究

作　者: 刘莹
导　师: 谢松法
学　校: 华中科技大学
专　业: 计算数学
关键词: 特征提取纹理分类灰度共生矩阵小波变换 Radon变换
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 16次
引　用: 0次
阅　读: 论文下载

内容摘要

图像分类、对象检测与识别、场景分类等工作都依赖于图像特征的描述与提取。而纹理是人类视觉系统中使用频率最高的特征之一。纹理提供了有关空间分布和亮度变换的信息，也描述了图像表面的结构安排。然而，尽管人类视觉系统很容易准确地识别和描述纹理，但很难提取纹理特征，用于纹理分类以及不同的应用领域。本文首先研究了纹理特征提取算法，然后利用台湾大学林智仁等开发的LIBSVM系列软件对图像分类。本文作了以下几个方面的研究。(1)本文研究了纹理分析常用的一些算法和图像分类中的经典算法。总结出纹理图像分类的基本思路。(2)针对图像旋转对分类的影响，本文提出了具有旋转不变性的Radon变换和小波变换结合的算法。旋转图像经过Radon变换后，图像相对于原图来说发生了平移。而小波变换恰好具有平移不变性。因此，将Radon变换与小波变换相结合，可以实现纹理图像的旋转不变性。(3)为了实现同时具有多尺度性和图像的统计特性，本文提出了将灰度共生矩阵和小波变换结合的算法。针对结合的方式，提出了两种不同的方法。一种是先对图像进行小波变换，然后再对变换后的图像计算其灰度共生矩阵。而另一种是分别对原图进行小波变换和计算灰度共生矩阵，然后将分别提取出来的特征组合为纹理图像的特征向量。最后利用支持向量机进行分类。(4)设计了整个实验功能模块实现的过程。对惩罚因子C、核函数及其参数等对分类精度的影响进行了实验。最后比较了各种纹理特征提取算法，以及在噪声的干扰下对分类精度的影响。通过一系列实验结果表明，改进算法的分类效果相对于经典算法要更好，分类精度更高。

全文目录

摘要  4-5
Abstract  5-9
1 绪论  9-12
  1.1 研究意义及目的  9
  1.2 纹理分析应用  9-10
  1.3 发展与现状  10-11
  1.4 本文结构安排  11-12
2 纹理分析方法  12-19
  2.1 纹理基本概念及定义  12-13
  2.2 纹理分析算法  13-16
  2.3 图像分类算法  16-17
  2.4 纹理图像分类基本思路  17-18
  2.5 本章小结  18-19
3 纹理特征提取算法研究  19-30
  3.1 Radon 变换  19-20
  3.2 灰度共生矩阵  20-22
  3.3 小波变换  22-27
  3.4 基于 Radon 变换和小波变换  27-28
  3.5 基于灰度共生矩阵和小波变换  28-30
4 多类 SVM 分类算法研究  30-34
  4.1 支持向量机分类器  30-32
  4.2 多分类器算法  32-33
  4.3 本章小结  33-34
5 实验结果分析及算法比较  34-45
  5.1 实验模块功能设计  34-35
  5.2 SVM 性能实验  35-41
  5.3 纹理特征提取算法比较实验  41-44
  5.4 本章小结  44-45
6 总结与展望  45-47
  6.1 全文总结  45
  6.2 研究展望  45-47
致谢  47-48
参考文献  48-51

图像纹理的特征提取和分类方法研究

内容摘要

全文目录

相似论文