基于多尺度分析和仿生模式識別的紋理圖像識別.pdf

1、作為一種廣泛存在的圖像模式，紋理自然成為計算機視覺，圖像處理方面的重要研究課題。近年來，紋理圖像的分類算法一直受到人們的關注，人們提出了各種各樣的紋理特征提取和分類方法，并取得了一定的成果。就目前而言，大多數(shù)分類算法都是基于傳統(tǒng)模式的分類器進行的，在一定程序上了制約了分類算法的正確率以及速度。本文將紋理圖像的識別分成兩個主要環(huán)節(jié)：首先利用Contourlet變換對紋理圖像進行預處理，選擇合適的重構方法提取紋理圖像的特征向量；然后構造相應

2、的超香腸神經網絡模型進行特征向量的識別工作。 多尺度幾何分析方法是近幾年在小波變換的基礎上發(fā)展起來的一類有效信號處理的方法。文中介紹了多尺度分析的熱門工具-Contourlet變換，與小波分析不同的是，它主要是在多尺度幾何分析方法中加入了方向因子，而且其理論基礎首先完成的是離散域的Contourlet構建，隨后將其由離散域擴展至連續(xù)域，并探討了其在圖像處理中的應用。 運用仿生模式識別理論建立起識別神經網絡模型。仿生模式識

3、別與傳統(tǒng)模式識別的區(qū)別就在于它是從“認識”而不是“區(qū)分”的角度來進行模式的識別，是對學習樣本的全體在特征空間中形成的復雜幾何形體“形狀”的分析以及“認識”，為利用高維空間理論建立識別神經網絡提供了理論基礎。 本文從Vistex紋理圖像庫里面構造了14類(512×512)圖片進行了實驗。首先利用Contourlet變換對紋理圖像進行預處理，利用多尺度能量顯著的方向子帶對圖像進行重構，將不同頻帶的紋理信息分開描述，然后對重構圖像進行