彩色紋理圖像特征提取與分類研究

《彩色紋理圖像特征提取與分類研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、馬韶．如知端尉釋解務(wù)麻Ｖ：：Ｉ．■■Ｐ．ｉｌｌｆ＇：；；站娥；讀；ｆ＾乂葦ｉｗ＊ｘｉｉｘＳｏｕ化Ｃｈｉ＾ｉｎａＵｎｉｖｅｒｓｔｙｏｆＴｅｃｈｎｏｌｏｇｙ碩±學(xué)位論文穀色紋理圖像特征提取與分類研究＇，：．作者姓名徐苗苗一學(xué)科專業(yè)計算數(shù)學(xué)－ｄ指導(dǎo)教師蔣金山副教授－所在學(xué)院數(shù)學(xué)學(xué)院論文提交日期２０１６年５月StudyonFeatureExtractionandClassificationforColorTextureI

2、mageADissertationSubmittedfortheDegreeofMasterCandidate：XuMiaomiaoSupervisor：Prof.JiangJinshanSouthChinaUniversityofTechnologyGuangzhou,China１０５６１：分類號：ＴＰ３９１學(xué)校代號學(xué)號：２０１３２０１２０７６２華南理工大學(xué)碩±學(xué)位論文彩色紋理圖像特征提取與分類研究作者姓名：徐苗苗指導(dǎo)教師姓名、職稱：蔣金山副教授申請學(xué)位級別：碩±學(xué)科專業(yè)名

3、稱：計算數(shù)學(xué)研巧方向：圖像處理與模式識別０—又／＾／月占論文提交日期：２０１６年５月論文答辯日期：年日學(xué)位授予單位：華南理工大學(xué)學(xué)位授予日期：／年月日。答辯委員會成員：華南理工大學(xué)學(xué)位論文原創(chuàng)性聲明立進行研究所本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨文中特別加標注引用的內(nèi)容外，本論文不包含任取得的研巧成果。除了何其他個人或集體己經(jīng)發(fā)表或撰寫的成果作品。對本文的研究做出重要貢確方式標明。本人完全意識到本聲明的獻的個人和集體，巧己在文中明法律后果

4、由本人承擔。若年：您曰作者簽名；孫瓊廣曰期４月學(xué)位論文版權(quán)使用授權(quán)書，邑Ｐ：本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定研究生在校攻讀學(xué)位期間論文工作的知識產(chǎn)權(quán)單位屬華南理工大學(xué)。學(xué)校有權(quán)保存并向國家有關(guān)部口或機構(gòu)送交論文的復(fù)印件和電子版，允許學(xué)位）學(xué)校可＾＾公布學(xué)位論文的全論文被查閱（除在保密期內(nèi)的保密論文外；論部或部分內(nèi)容，可從允許采用影印、縮印或其它復(fù)制手段保存、匯編學(xué)位文。本人電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。本學(xué)□位論文屬于：于保密，（

5、校保密委員會審定為涉。密學(xué)位時間：—年—月—曰）＿＿年＆月保＿＿日解密后適用本授權(quán)書密，同意在校園網(wǎng)上發(fā)提布，供校內(nèi)師生和與學(xué)校有共享協(xié)議全的單位瀏覽；同意將本人學(xué)位論識文交中國學(xué)術(shù)期刊（光盤版）電子雜志社文出版和編入ＣＮＫＩ《中國知資源總庫》，傳播學(xué)位論文的全部或部分內(nèi)容。＂Ｖ＂（請在臥上相應(yīng)方框內(nèi)打）如鐘曰作者簽名；徐猜忠曰期：＾盧；產(chǎn)若指導(dǎo)教師簽名：日期－作者聯(lián)系電話：電子郵箱；聯(lián)系地址（含郵編）；摘要圖像分類在計算機視覺和模式識別等領(lǐng)域占據(jù)很

6、重要的地位，而特征提取是分類的基礎(chǔ)與前提，與最終的分類效果有直接關(guān)系，紋理特征作為圖像基本的特征，在圖像分析中意義重大。對于彩色紋理圖像，除了紋理信息之外，顏色信息也是尤為重要的，如何將二者有效的結(jié)合是值得思考的問題?；叶裙采仃嚕℅aryLevelCo-occurrenceMatrix，簡稱GLCM）與局部二值模式（LocalBinaryPattern，簡稱LBP）是最常見的兩種基于統(tǒng)計的紋理分析方法，特別是LBP，以其理論簡單、計算高效等特點廣泛應(yīng)用于紋理分析。但是LBP對光照和噪聲較敏感，而光照

7、的變化和噪聲在現(xiàn)實世界中的彩色圖像中非常常見的。針對光照變化問題，本文首先結(jié)合對抗色理論提出了單一彩色空間局部對抗色極值模式（LocalOppugnantColorExtremaPatternsInSingleColorSpace，簡稱SCS_LOCEP）????紋理特征提取方法，該方法運用顏色和紋理的結(jié)合，分別從0,45,90,135四個方向提取RGB空間每個對抗色通道的紋理信息，最后結(jié)合每個對抗色通道的幅度模式共同作為彩色紋理圖像的特征。由于圖像的某些子塊的像素值在RGB空間各通道相差較大，造成對

8、抗色通道中的圖像子塊出現(xiàn)偽噪聲像素值問題。針對此問題，本文又提出了自適應(yīng)窗口選擇合適閾值的方法對SCS_LOCEP進行改進。通過在支持向量機多分類器上一系列的實驗結(jié)果表明，改進后的方法的分類精度較SCS_LOCEP有明顯的提升，并證明了該方法對光照和噪聲都有較好的魯棒性。關(guān)鍵詞：彩色紋理圖像；特征提取；局部二值模式；自適應(yīng)；分類；IABSTRACTImageclassificationholdsacentralpositioninthefieldofco