資源描述：
《基于多尺度的分析和svm紋理圖像分類論文》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、摘要隨著數(shù)字圖像數(shù)據(jù)庫的日益增多，如何快速提取有用的視覺信息越來越受到人們的重視，對圖像的有效分類和檢索成為獲取圖像信息的重要問題。因此，圖像分類具有重要的實(shí)用價(jià)值和理論研究價(jià)值。圖像分類的研究主要包括兩個(gè)方面，圖像的特征提取和利用學(xué)習(xí)工具對特征進(jìn)行分類。紋理特征具有旋轉(zhuǎn)不變性和較強(qiáng)的抗噪能力，是一種重要的圖像低層特征。多尺度幾何分析是在小波分析的基礎(chǔ)之上發(fā)展起來的一類有效的信號和圖像處理方法，具有良好的多方向性和各向異性，對于方向性信息能給出更加有效的表示。在眾多新的變換工具中，脊波(Ridgelet)變換，曲線波(Cu
2、rvelet)變換，輪廓波(Contourlet)變換以及梳狀波(Brushlet)變換等是非自適應(yīng)的多尺度幾何分析工具的典型代表。梳狀波(Brushlet)是為了解決角分辨問題而產(chǎn)生的一種有效分析紋理的多尺度幾何工具。支持向量機(jī)(SupportVectorMachine，SVM)是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的學(xué)習(xí)工具。為了解決原空間中樣本的線性不可分問題，通過核函數(shù)將輸入向量映射到一個(gè)較高維的特征空間，再在該空間中構(gòu)造最優(yōu)分類面，它可以較好地實(shí)現(xiàn)結(jié)構(gòu)風(fēng)險(xiǎn)最小化思想。鑒于它優(yōu)越的性能，近年來獲得了廣泛的影響。本文采用支持向量機(jī)輔
3、助多尺度幾何分析，對圖像分類主要做了以下兩方面的工作。一是提出了一種基于Brushlet變換提取圖像特征的圖像分類算法。Brushlet在頻域只有一個(gè)峰值，具有理想的頻域定位性能。Brushlet變換為復(fù)值函數(shù)，具有方向信息，可以描述紋理的方向、頻率、位置等信息。該算法是提取圖像Brushlet變換后的能量和相位來描述紋理信息。通過對公共測試圖像庫Brodatz紋理圖像庫中圖像的分類測試，該算法獲得了Ltd,波變換更優(yōu)的圖像分類效果，驗(yàn)證了本文算法對紋理圖像分類的有效性。二是提出了一種基于Gabor變換和多層次特征傳遞的多
4、紋理圖像分類算法。對于一幅包含多種紋理的圖像，可以通過對像素點(diǎn)進(jìn)行分類達(dá)到區(qū)分不同紋理模式的目的，進(jìn)而實(shí)現(xiàn)紋理的分割。每個(gè)像素的特征是通過結(jié)合其鄰域內(nèi)的像素所得到的。大的鄰域可以體現(xiàn)圖像的區(qū)域性質(zhì)；小的鄰域可以描述圖像的局部性質(zhì)，更有利于定位邊緣像素。該算法是根據(jù)一定的策略在不同大小的鄰域之間進(jìn)行信息傳遞，在保證區(qū)域一致性的同時(shí)也能更有效地定位圖像的邊緣。實(shí)驗(yàn)是基于對Brodatz圖像庫中的圖像進(jìn)行人工合成所得到的多紋理圖像，結(jié)果表明本文的算法可以更有效的實(shí)現(xiàn)多紋理圖像的分類。關(guān)鍵詞：圖像分類，多尺度幾何分析，梳狀波變換，
5、Gabor濾波，紋理特征IlABSTRACTWiththeincreasinglyusingoftheimagedatabase，itismoreandmoreimportanttoextracttheusefulvisualinformation，whichpromotestheresearchoftheefficientclassificationandretrievaloftheimagesTherefore，imageclassificationhasimportantvalueofpracticeandresea
6、rch．Theresearchoftheclassificationofimagesmainlycontainstwoaspects：thefeatureextractionandtheclassification．Texturehasrotationinvarianceandstrongresistancefornoise．Itisanimportantfeatureforimageclassification．Muitiscalegeometricanalysisisdevelopedbasedonthewavelet
7、analysis，anditisanefficientwaytoprocessthesignalandtheimage．Becauseofitsmulti-directionalandanisotropic，thefeatureoftheimagecanbeextractedmoreefficiently．Amongthevarioustransformationtools，Ridgelettransform，Curvelettransform，Contourlettransform，andBrushlettransfor
8、mandSOon，arerepresentativesofthemultiscalegeometricanalysis．Brushletisoneeffectiveimageanalysistooltosolvetheangle—resolvedproblem．SupportVectorMachines
