发明名称 |
一种基于剪切波和高斯混合模型的图像纹理分类方法 |
摘要 |
一种基于剪切波和高斯混合模型的图像纹理分类方法,首先用剪切波对给定的具有相同类别标号的训练样本集进行方向多尺度分解,获取这些训练样本的子带系数,然后构造这些子带系数的能量特征,用计算得到的能量特征表示这些方向子带,选择核主成分分析(KPCA)方法对这些能量特征进行降低维数处理,接着建立这些能量特征的高斯混合模型 (GMM),并用期望最大化(EM)算法估计高斯混合模型的参数,最后用贝叶斯分类器进行纹理图像分类;本发明有益效果:有效地提高了纹理图像的分类精度,有效地适应较小尺寸的纹理图像,另外,本发明方法充分利用了纹理图像的方向多尺度信息,具有广泛的应用价值。 |
申请公布号 |
CN106485278A |
申请公布日期 |
2017.03.08 |
申请号 |
CN201610893165.5 |
申请日期 |
2016.10.13 |
申请人 |
河南科技大学 |
发明人 |
董永生;冯金旺;梁灵飞;郑林涛;杨春蕾;普杰信 |
分类号 |
G06K9/62(2006.01)I;G06T7/41(2017.01)I |
主分类号 |
G06K9/62(2006.01)I |
代理机构 |
洛阳公信知识产权事务所(普通合伙) 41120 |
代理人 |
刘兴华 |
主权项 |
一种基于剪切波和高斯混合模型的图像纹理分类方法,其特征在于:包括以下步骤:步骤一、采用剪切波工具箱对随机选取的具有相同类别标号的图像样本进行方向多尺度分解并构造它们的子带能量特征;步骤二、采用核主成分分析对步骤一中得到的子带能量特征进行降低维度处理;步骤三、建立剪切波子带能量特征的高斯混合模型并用期望最大化算法估计模型参数;步骤四、根据步骤三估计得到的模型参数,求出每个图像样本的后验概率,最后采用贝叶斯概率分类器对纹理图像进行分类,获得分类结果。 |
地址 |
471000 河南省洛阳市涧西区西苑路48号 |