基于小波高階統(tǒng)計量和最小分類錯誤概率的紋理分類算法研究.pdf

1、紋理圖像是由緊密交織在一起的基元組成的某種結(jié)構(gòu)，具有局部的不變規(guī)則和整體的規(guī)律性。紋理分類是計算機視覺研究領域的一個基礎性問題，有著重要的研究意義，其研究成果在圖像分割、圖像檢索、模式識別、機器視覺等領域中都有重要的應用。 紋理圖像的一個本質(zhì)特性是具有超高斯概率密度分布；另外，當選取小波變換作為紋理變換的算法時，圖像的小波表達具有非高斯分布特征。在特征選取方面，目前大家用的最多的是二階統(tǒng)計量(如方差)。但是二階統(tǒng)計量本質(zhì)上是無法

2、全面描述非高斯特征的。為了解決這一問題，本研究中，我們選取高階統(tǒng)計量，如偏態(tài)系數(shù)(skewness)和尖態(tài)系數(shù)(kurtosis)作為描述紋理圖像信息的特征。將高階統(tǒng)計量融入到紋理的特征表達可以有兩種方式。第一種是將高階統(tǒng)計量和二階統(tǒng)計量結(jié)合使用的緊湊表達方式，這種方式可以提高所提取的特征對于圖像信息的描述能力，進而在此基礎上提高圖像的分類準確率。另外一種是選取譜直方圖(spectral histograms)作為特征來描述紋理信息的全

3、面表達方式，它是采用圖像濾波變換后的概率分布來特征化圖像信息，這樣更有利于紋理圖像信息的表達。該研究中，這兩種方式均得到了運用。 分類器的性能是和判別式準則的選擇緊密相聯(lián)的，一個令人滿意的判別式準則應該與分類的性能相一致，并且應該易于實現(xiàn)分類器參數(shù)的最優(yōu)化。目前普遍使用的判別式準則有感知器準則、松弛準則和最小平方誤差(MSE)準則。以上三種判別式準則的最大缺點在于：它們的決策準則沒有深入到用函數(shù)形式表示的適合最優(yōu)化的誤差函數(shù)里，

4、結(jié)果導致判別式準則與最小分類錯誤概率的目標不相一致。因此，使用這三種判別式準則去設計分類器的話，分類器并不能達到最優(yōu)化的效果，從而分類的結(jié)果也達不到最小錯誤率的要求。為了解決這一問題，本研究中，我們使用了一種新的判別式準則一最小分類錯誤(MCE)準則，它用函數(shù)的形式來表達決策過程，這樣更利于最優(yōu)化的實現(xiàn)。同傳統(tǒng)的判別式準則相比，MCE準則與最小分類錯誤概率的目標更加一致。因此，建立在MCE準則基礎上的分類器設計將能真正的滿足最優(yōu)化的條件