基于反應擴散濾波和自適應局部二值模式的紋理分析研究.pdf

1、圖像中的紋理具有多樣性、復雜性和不規(guī)則性,且在實際的應用中常常受到各種因素(光照、噪聲、尺度、旋轉以及平移)的影響。大部分現(xiàn)有的紋理特征提取算法,在受控條件(旋轉、光照、噪聲等變化很小)下識別效果較好。然而,實際的圖像采集不易受控,這會導致算法的識別性能急劇下降。如果在特征提取之前對紋理圖像進行去噪等預處理操作,現(xiàn)有的圖像去噪算法容易造成圖像紋理、邊緣等細節(jié)信息的丟失。因此,本文關注紋理圖像識別中的兩個難點:紋理圖像去噪和紋理特征提取。

2、
　　 針對紋理圖像去噪中紋理、邊緣信息保持這一矛盾,本文首先,運用最新多尺度幾何分析方法,定義了一個以波原子、曲波變換后鄰域內(nèi)梯度模值為參數(shù)的擴散控制函數(shù)和一組具有信息重構能力的雙正則項,并與各向異性擴散模型相結合,構建了一種采用雙正則項各向異性擴散的反應擴散方程。然后,從理論上證明了該模型數(shù)值解具有收斂性,并對算法的復雜度進行證明和分析。最后,通過數(shù)值實驗的對比分析,對本文算法的性能進行了驗證。實驗結果表明,本文方法在去噪過

3、程中對圖像紋理、邊緣信息具有更好的保持效果,尤其對噪聲污染嚴重的圖像效果更理想。
　　 針對現(xiàn)有紋理特征提取算法對光照、噪聲、尺度、旋轉以及平移等復雜條件的敏感性,本文定義了一種新型的自適應局部二值模式,并結合差分運算,提出了一種新的基于自適應局部二值模式的紋理分類算法。新型的自適應局部二值模式,它借助描述紋理空間結構的均勻度和模式之間的相似度來對紋理中的不同模式進行分類,對不同類別的模式結合紋理的局部特征和全局的關聯(lián)度計算其特

4、征值。運用差分運算,不僅提取出描述灰度二值關系的差分二值矩陣,而且保留了刻畫灰度變化強度的差分絕對值矩陣,并將兩部分特征值連接成一個空域增強的特征向量。
　　 最后,本文結合最近鄰分類算法,運用本文提出的基于自適應局部二值模式的紋理特征提取算法,對圖像進行紋理特征提取、訓練和分類。使用Brodatz、Outex兩大國際知名紋理圖片庫作為測試集進行實驗,證明了本文算法在旋轉、光照、尺度平移和噪聲等復雜條件下的魯棒性優(yōu)于其它基于LB