基于局部結(jié)構(gòu)分布的統(tǒng)計(jì)紋理表征方法研究.pdf

1、紋理分析是計(jì)算機(jī)視覺領(lǐng)域一個(gè)古老卻經(jīng)久不衰的研究方向，而紋理表征也是諸多應(yīng)用中的基本環(huán)節(jié)。紋理所包含的局部結(jié)構(gòu)既擁有準(zhǔn)周期重復(fù)又有隨機(jī)出現(xiàn)的特性，因而統(tǒng)計(jì)的表征成為長久以來紋理分析的一個(gè)研究熱點(diǎn)。如何精確并且有辨識(shí)力地描述局部結(jié)構(gòu)和如何對局部結(jié)構(gòu)描述子進(jìn)行矢量量化是統(tǒng)計(jì)表征中最重要的兩個(gè)問題。針對這兩個(gè)基本問題，本文的主要研究內(nèi)容包括以下幾部分：
　?。?）局部描述子的生成和矢量量化方法研究。針對如何生成局部描述子的問題，提出了基

2、于局部方向能量分解的策略（局部能量模式，LEP），采用可分解二階高斯導(dǎo)數(shù)濾波器快速濾波，并結(jié)合非線性變換和有偏歸一化達(dá)到亮度和對比度的不變性。然后針對所提出的局部描述子，采用N進(jìn)制編碼的策略進(jìn)行矢量量化。在進(jìn)行N進(jìn)制編碼過程中，提出了一種采用直方圖均衡化策略來訓(xùn)練自適應(yīng)量化閾值的方法，從而比經(jīng)驗(yàn)閾值更具有拓展性。此外，利用選擇能量主方向和合并直方圖條目的方式得到旋轉(zhuǎn)不變性的表征，并且通過金字塔表征結(jié)合錯(cuò)位計(jì)算距離的方式達(dá)到尺度不變性的紋

3、理分類。該方法在傳統(tǒng)紋理數(shù)據(jù)庫上具有良好的分類性能，并被初步應(yīng)用于全天空極光圖像數(shù)據(jù)的分類，為海量極光圖像的自動(dòng)分類奠定了基礎(chǔ)。
　?。?）局部描述子的生成。針對基于方向分解的表征方法大都只得到離散性旋轉(zhuǎn)不變性的問題，提出了兩種連續(xù)性旋轉(zhuǎn)不變性描述子。第一種描述子采用一階和二階高斯濾波器最大響應(yīng)描述局部結(jié)構(gòu)（連續(xù)性最大響應(yīng)描述子，CMR），第二種描述子采用曲面主曲率組合進(jìn)行局部描述（主曲率描述子，PC）。然后采用基于紋元字典（碼本

4、）的矢量量化方法對紋理圖像進(jìn)行表征。理論分析和實(shí)驗(yàn)結(jié)果都表明這兩種描述子具有良好的旋轉(zhuǎn)不變性能，該算法不僅在未旋轉(zhuǎn)的紋理分類中擁有穩(wěn)定的性能，而且在旋轉(zhuǎn)紋理的分類中取得了明顯高于其他主流方法的結(jié)果。通過大量實(shí)驗(yàn)分析發(fā)現(xiàn)，連續(xù)性最大響應(yīng)描述子具有更好的類間區(qū)分能力，而主曲率描述子擁有更好的類內(nèi)凝聚能力。
　?。?）局部描述子的生成。針對傳統(tǒng)基于尺度錯(cuò)位和分辨率錯(cuò)位計(jì)算尺度不變距離效率較低和表征維度過高的問題，提出了一種尺度不變的紋理

5、表征方法。該方法聯(lián)合圖像頻率分解和梯度方向兩種不同的尺度不變量來共同描述局部結(jié)構(gòu)。通過采用多個(gè)方向的頻域楔形濾波器響應(yīng)進(jìn)行頻率分解，提出了一種新型的投票方式來獲取圖像在離散坐標(biāo)系下的尺度不變梯度方向。該方法基于尺度不變量來描述局部結(jié)構(gòu)，因而表征本身具有尺度不變性，不需要錯(cuò)位計(jì)算尺度不變性距離。該算法在尺度改變的紋理分類中得到了更加優(yōu)異的結(jié)果。
　?。?）矢量量化方法研究。針對傳統(tǒng)矢量量化的表征維度過高和效率較低的問題，提出了一種快

6、速的矢量量化方法。該方法通過結(jié)合紋元字典（碼本）離線訓(xùn)練一個(gè)映射查找表，重新標(biāo)記N進(jìn)制編碼生成的編碼數(shù)字，達(dá)到以較低維度快速而準(zhǔn)確的標(biāo)記局部描述子的目的。相比于基于碼本的矢量量化方法，所提出的方法提供了一種更快速地尋找最近鄰紋元的策略，由于采用了查找表映射的方式，這種方法不再需要計(jì)算局部描述子與紋元之間的距離；相比于N進(jìn)制編碼的方法，所提出的方法采用對編碼再標(biāo)記的方式來降低表征維度，并且可以對更高維度的局部描述子進(jìn)行矢量量化。結(jié)合多種典