纹理特征提取是纹理分类中最关键的一步,由于成像条件的不可预知,纹理图像中存在旋转、尺度、噪声等各种因素的变化,给纹理分类的研究工作带来了挑战.为了增强纹理特征提取算法对旋转、尺度和噪声变化的鲁棒性,提出尺度选择完备局部导...纹理特征提取是纹理分类中最关键的一步,由于成像条件的不可预知,纹理图像中存在旋转、尺度、噪声等各种因素的变化,给纹理分类的研究工作带来了挑战.为了增强纹理特征提取算法对旋转、尺度和噪声变化的鲁棒性,提出尺度选择完备局部导数模式(Scale Selective Completed Local Derivative Pattern,SSCLDP).首先,采用自适应中值滤波器对图像进行降噪处理.其次,采用二维高斯滤波器生成该图像的尺度空间.在每个尺度下使用完备局部导数模式(Completed Local Derivative Pattern,CLDP)提取该图像的旋转不变特征,跨尺度取最大值作为该图像的尺度不变特征.将SSCLDP与同类算法在七个公共纹理数据集和热轧带钢图像数据集上进行了实验,实验结果表明,SSCLDP在纹理图像分类和热轧带钢图像分类上有较好的工程应用价值.展开更多
文摘纹理特征提取是纹理分类中最关键的一步,由于成像条件的不可预知,纹理图像中存在旋转、尺度、噪声等各种因素的变化,给纹理分类的研究工作带来了挑战.为了增强纹理特征提取算法对旋转、尺度和噪声变化的鲁棒性,提出尺度选择完备局部导数模式(Scale Selective Completed Local Derivative Pattern,SSCLDP).首先,采用自适应中值滤波器对图像进行降噪处理.其次,采用二维高斯滤波器生成该图像的尺度空间.在每个尺度下使用完备局部导数模式(Completed Local Derivative Pattern,CLDP)提取该图像的旋转不变特征,跨尺度取最大值作为该图像的尺度不变特征.将SSCLDP与同类算法在七个公共纹理数据集和热轧带钢图像数据集上进行了实验,实验结果表明,SSCLDP在纹理图像分类和热轧带钢图像分类上有较好的工程应用价值.