版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、隨著網(wǎng)絡和多媒體技術的發(fā)展,數(shù)字圖像的應用變得更為廣泛,對圖像的分析和處理日益重要。紋理特征作為圖像的底層特征,能夠綜合反映出圖像的灰度級統(tǒng)計、空間分布和結(jié)構(gòu)信息。因此,提取出有效的紋理特征對于圖像的分類和檢索起著重要的作用。圖像分類過程包括圖像特征提取和相似性度量兩個階段,而相似性度量方法經(jīng)過多年的研究已經(jīng)趨于成熟,所以本文重點討論了圖像的紋理特征提取技術。
相對相是一種新的圖像信息提取技術。在圖像變換域中,相位信息體現(xiàn)出奇
2、異發(fā)生的位置,系數(shù)的模值體現(xiàn)了變化的強度。局部二值模式(Local Binary Pattern,LBP)能夠反映出圖像像素點間的微觀結(jié)構(gòu),被廣泛地用于紋理圖像分類并取得較高的分類正確率。經(jīng)過深入研究相對相和LBP,本文提出了局部相對相二值模式并設計出LRPBP(Local Relative Phase Binary Pattern)方法。該方法首先通過Gabor變換得到圖像的相對相信息,在此基礎上使用LBP進行紋理特征提取,使用相對相
3、信息構(gòu)造出圖像的局部結(jié)構(gòu)作為紋理特征并應用于圖像分類中。實驗表明本文提出的LRPBP方法能夠取得比LBP更高的分類正確率。
一幅圖像中包含著豐富的信息,圖像的一種屬性通常只能提取出圖像的一部分信息,在對圖像進行分類時往往沒有基于多特征的分類效果好。因此,為了提高圖像檢索正確率,本文結(jié)合LBP和LRPBP提取紋理特征并對紋理圖像進行分類。實驗證明采用多特征時對圖像進行分類的效果要優(yōu)于使用單一特征的分類效果。
最后,論文
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于顏色共生矩陣的紋理特征提取及應用.pdf
- 基于灰度共生矩陣的紋理提取及分類研究.pdf
- 基于灰度共生矩陣和MRF的紋理圖像分割.pdf
- 基于灰度共生矩陣的圖象紋理分析.pdf
- 基于局部二值模式的紋理特征研究與應用.pdf
- 基于局部紋理特征提取的表情識別研究.pdf
- 基于灰度共生矩陣木材表面紋理模式識別方法的研究.pdf
- 基于多分辨率分析及灰度共生矩陣的掌紋特征提取算法研究.pdf
- 基于非采樣Contourlet變換與局部二值模式的掌紋特征提取.pdf
- 基于灰度共生矩陣的癌細胞識別技術研究.pdf
- 基于多分辨率分析及灰度共生矩陣的掌紋特征提取算法研究(1)
- 基于局部二值模式的紋理表達研究.pdf
- 紋理與模糊不變特征提取技術研究.pdf
- 基于Gabor小波和局部二值模式的人臉表情特征提取研究.pdf
- 基于局部模式的人臉特征提取算法研究.pdf
- 圖像紋理檢測與特征提取技術研究綜述
- 基于灰度共生矩陣的連續(xù)多幅散斑圖像紋理研究.pdf
- 基于灰度共生矩陣不同窗口下激光散斑圖像紋理特征研究.pdf
- 基于灰度共生矩陣紋理參數(shù)的非平面表面粗糙度研究.pdf
- 基于灰度圖像的指紋特征提取方法研究.pdf
評論
0/150
提交評論