基于分形理論的圖像分類算法研究.pdf

1、隨著多媒體技術(shù)的發(fā)展，圖像在互聯(lián)網(wǎng)信息中占有越來越重要的比例。因而，如何快速、有效的管理這些豐富而直觀的信息，逐漸成為當(dāng)前科研人員和技術(shù)工作者關(guān)注的焦點。分形理論可以很好的對圖像的紋理和空間信息進(jìn)行描繪和分析，進(jìn)而對圖像進(jìn)行分類管理，因而在科學(xué)研究中獲得了廣泛關(guān)注。本文基于分形理論提出了一系列算法進(jìn)行紋理特征提取并進(jìn)行了相應(yīng)的評估實驗來測驗它們的性能。
　　1、基于不同的分形理論原理，物體的分形維數(shù)發(fā)展出很多種計算方式。盒維數(shù)由于

2、計算簡單而且理論基礎(chǔ)明確，因而獲得了科研人員的青睞。但傳統(tǒng)的盒維數(shù)計算方法存在較大的擬合誤差而且忽略了邊緣的劇烈變化和中間像素點，因此本文對其進(jìn)行了如下方面的改進(jìn)：改變區(qū)域方塊計盒方式，減小尺寸步長和計算邊緣盒子取較大值。最后進(jìn)行了三個實驗對新方法和其它相關(guān)方法進(jìn)行分析和測試。實驗結(jié)果表明，與其它方法相比，新方法的擬合誤差可以降低到0.012879，同一類型圖像的分形維數(shù)平均距離減少了16%，而對于分割圖像的分形維數(shù)，它的組間平均方差能

3、減少30%。這說明提出的方法在識別同類型和縮放圖像方面具有良好的特性。
　　2、局部二值模式(Local Binary Pattern, LBP)是一種局部紋理特征算子，由于它具有良好的旋轉(zhuǎn)不變性，因而成為了科技工作者研究的熱點和焦點。目前的LBP紋理特征都是基于局部區(qū)域像素對比，這種提取的后果是忽略了自我關(guān)聯(lián)性?；诜中魏蛷?fù)雜網(wǎng)絡(luò)的原理，本文提出了一種紋理提取方法，該算法將LBP算子結(jié)合像素位置構(gòu)成一個復(fù)雜網(wǎng)絡(luò)，然后通過對復(fù)雜網(wǎng)

4、絡(luò)分析并結(jié)合自相似性對圖像紋理進(jìn)行描述。相對于傳統(tǒng)的LBP方法，它可以矢量化的表達(dá)中心像素與相鄰像素之間的關(guān)系，并且很好的改善了LBP對噪聲敏感的缺點。實驗結(jié)果表明，與其它紋理算子相比，該紋理算子能夠很好的區(qū)分旋轉(zhuǎn)圖像，分割圖片和噪聲圖像。最重要的是，該算子對醫(yī)學(xué)圖像有很好的紋理鑒別力，與其它方法相比，它能夠在相對短的特征長度下實現(xiàn)良好的區(qū)分。
　　3、人喉表皮癌細(xì)胞細(xì)胞(Human Epidermoid Cancer Cells

5、, Hep-2)的間接免疫熒光法提供了一種靈敏的、有效的和全面的技術(shù)手段用來分析反核抗體。但由于間接免疫熒光法在技術(shù)本質(zhì)上的主觀性導(dǎo)致其本身不可避免的存在一些缺點，最突出的是診斷的再現(xiàn)性問題，因而本文提出了一種基于染色的Hep-2細(xì)胞圖像分類方法來解決這個問題。在該方法中，ICLBP_M描述符(Improved Complete Local Binary Pattern Magnitude operator, ICLBP_M)、形態(tài)特征

6、描述符和像素差異特征描述符被提取作為紋理特征?；诜中蔚腎CLBP_M描述符用來描述圖像中心像素與鄰域的灰度值、梯度差異和圖像自相似性特性。形態(tài)特征描述符用來表述圖像中的連通分量特征，像素差特征描述符則用來描繪不同尺度下像素差的統(tǒng)計特征。同時，該方法將多核學(xué)習(xí)(Multiple Kernel Learning, MKL)引入到Hep-2細(xì)胞圖像的分類器中。實驗結(jié)果表明，MKL可以使得三個描述符充分發(fā)揮各自的識別特長，甚至對其進(jìn)行增強，而