基于Contourlet變換和局部二值模式圖像紋理分類研究及其應(yīng)用.pdf

1、隨著計(jì)算機(jī)技術(shù)和人工智能的不斷普及，圖像的應(yīng)用領(lǐng)域非常廣泛，其中圖像特征提取占據(jù)重要的主導(dǎo)地位，也是當(dāng)前計(jì)算機(jī)視覺領(lǐng)域中熱門的研究課題之一。在過去的研究中，局部特征的深入研究推動(dòng)了整個(gè)計(jì)算機(jī)視覺領(lǐng)域的快速發(fā)展，其中最著名的局部二值模式(LBP)是局部特征中一種非常簡單高效的局部描述子。自LBP提出來之后，受到眾多研究者的追崇，改良的算法被應(yīng)用于各種計(jì)算機(jī)視覺和模式識別領(lǐng)域中，包括紋理分類、人臉識別、目標(biāo)檢測等。但是各種LBP算法仍會(huì)存在

2、一定的缺陷和瓶頸，如LBP構(gòu)造的直方圖向量長度過長，旋轉(zhuǎn)不變能力不夠突出，噪聲魯棒性還不夠強(qiáng)等問題。為了增強(qiáng)LBP的鑒別能力，提升抗噪聲的魯棒性，本文對紋理分類中所用到的關(guān)鍵技術(shù)進(jìn)行了深入研究后，提出了一些新算法，并應(yīng)用到特定的紋理數(shù)據(jù)庫進(jìn)行驗(yàn)證。另外，Contourlet變換繼承了Curvlet變換的各向異性的多尺度關(guān)系，能夠提取圖像的內(nèi)在幾何特征，因此本文也提出了基于Contourlet變換的紋理分類方法，并應(yīng)用于紙幣識別中。本文的

3、主要工作和貢獻(xiàn)如下：
　　1、系統(tǒng)研究了紋理分類中較著名的紋理特征提取算法，如LBP、CLBP、DLBP、SCLBP等局部二值模式描述子，詳細(xì)陳述了它們的工作實(shí)現(xiàn)原理，分析它們的優(yōu)勢和需要改進(jìn)的地方，并介紹它們所應(yīng)用的典型領(lǐng)域。
　　2、研究了局部二值模式的改進(jìn)算法。針對LBP的鑒別能力和抗噪能力較弱，本文在前人研究的基礎(chǔ)上，對BRINT的提取識別算法進(jìn)行改進(jìn)，提出一種新的基于BRINT的尺度不變特征提取方法，通過BRINT

4、的尺度不變空間分析，可以得到最優(yōu)的尺度不變特征，并用不同的紋理數(shù)據(jù)庫進(jìn)行驗(yàn)證，得到較好的效果。首先，LBP描述子解決了旋轉(zhuǎn)不變和灰度不變特性，但在尺度不變特性方面沒有得到很好解決。我們提出的方法正好解決了這個(gè)瓶頸。其次，不同于其他傳統(tǒng)的局部尺度不變特征，我們不需要估計(jì)局部的尺度，而僅僅使用了全局描述子去實(shí)現(xiàn)尺度不變特性。最后，我們將直方圖橫跨不同尺度空間，最終取每個(gè)分量最大值，并整合成一個(gè)最優(yōu)直方圖，實(shí)現(xiàn)尺度不變特性。這種新的方案在紋理