紋理圖像分類系統(tǒng)及其關(guān)鍵技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，數(shù)字多媒體技術(shù)以及智能信息處理技術(shù)的廣泛應(yīng)用，基于大型圖像數(shù)據(jù)庫的圖像處理越來越受到人們的關(guān)注，而圖像分類是圖像處理的一個(gè)重要研究內(nèi)容。其中圖像信息的描述以及圖像的分類方法是圖像分類的兩個(gè)關(guān)鍵技術(shù)，針對這兩個(gè)關(guān)鍵技術(shù)，論文從圖像的紋理特征提取技術(shù)和分類技術(shù)兩方面研究了基于紋理的圖像分類，用以實(shí)現(xiàn)高效的紋理圖像分類系統(tǒng)。
　　論文首先對現(xiàn)有的特征提取算法和圖像分類算法進(jìn)行總結(jié)和分析，并提出了相應(yīng)的算法。針對

2、圖像的紋理特征提取算法，通過研究多種基于紋理的圖像特征的描述和提取方法，著重分析了灰度共生矩陣方法和雙樹復(fù)小波方法，提出了結(jié)合二者特點(diǎn)的特征提取算法：復(fù)小波域的灰度共生矩陣法(CW-GLCM)，算法首先用雙樹復(fù)小波變換(DT-CWT)構(gòu)造Q_shift正交濾波器，然后用濾波器對原始圖像進(jìn)行四層分解得到圖像的低頻和高頻子帶圖像，算法選取低頻子帶圖像并計(jì)算該圖像四個(gè)方向上的灰度共生矩陣，最后計(jì)算每個(gè)共生矩陣的能量、熵、慣性矩和局部平穩(wěn)性四個(gè)

3、特征參數(shù)，并計(jì)算他們的均值和方差來構(gòu)造特征向量。針對圖像分類算法，論文總結(jié)了前人的各種圖像分類方法，對支持向量機(jī)算法(SVM)進(jìn)行重點(diǎn)研究，并從核函數(shù)及其參數(shù)、學(xué)習(xí)算法以及多分類方法幾個(gè)角度分析SVM，提出了適用于復(fù)雜紋理圖像分類的基于支持向量機(jī)的紋理圖像多分類模型(TICM-SVM)，模型采用徑向基內(nèi)積函數(shù)(RBF)作為SVM的核函數(shù)，使用測試工具確定核函數(shù)的g參數(shù)和SVM的C參數(shù)，并采用論文中提出的自適應(yīng)序貫最小優(yōu)化算法(SMO)作