基于方向-频率分解的纹理特征提取方法研究

为了解决纹理图像发生旋转时的识别问题,充分利用纹理在不同方向具有不同频率成分这一特性,结合Log-polar变换、Radon变换和经验模态分解,提出基于方向-频率分解的纹理特征提取方法。首先对图像进行Log-polar变换和Radon变换,实现图像的方向分解,得到Log-polar谱和Radon谱;然后对各个方向变换谱分量进行经验模态分解,实现图像在各个方向上的频率分解;最后对得到的各固有模态函数进行Hilbert变换,得到其包络和瞬时频率,对包络和瞬时频率的均值和方差进行傅里叶变换,得到具有旋转不变性的纹理特征。实验结果表明,提出的方法用于纹理图像识别时准确率高,抗噪声能力强。

基于方向-频率分解的旋转不变性纹理分类

提出了一种用于纹理分类的旋转不变性特征提取的新算法.该算法是将一定大小的图像进行二维傅里叶变换;其次在变换后的图像中央选择一个圆盘区域,并在方向[0°,180°]内进行等间隔角度频率抽样,实现方向分解,使用一组复Morlet小波对每个方向上的映射切片进行小波变换,从而实现多通道频率分解;在各个频率通道中计算均值和方差作为特征,并利用线性回归模型计算频率通道之间的关系特征;将特征沿方向进行一维傅里叶变换并取其幅值,从而得到旋转不变性特征.实验结果表明所提取的特征具有较好的旋转不变性,与其它算法相比具有更好的分类性能,并且对无旋转纹理分类也能产生较好的分类结果.