基于频域方向特征相关性的图像分类方法

摘要

本发明公开了一种基于频域方向特征相关性的图像分类方法，主要解决现有方法计算复杂度高，分类精度低，对图像尺寸变化鲁棒性差的缺点。其实现过程包括：(1)选取纹理样本图像，并分为训练样本和测试样本两个图像数据集；(2)对训练样本图像进行2维快速傅立叶变换，并根据傅立叶平面的频率和方向划分频域方向子带，得到频域方向特征矩阵；(3)根据频域方向特征矩阵子带特征间的相关性，求得相关对序列；(4)应用一元线性回归模型计算各相关对的分类特征参数，构成分类器；(5)将测试样本图像的频域方向特征与分类器参数进行拟合，得到测试样本的类标；(6)重复步骤(5)，得到所有测试样本图像的类标。本发明可用于对Brodatz纹理图像和SAR图像的分类。

主权项

1、基于频域方向特征相关性的图像分类方法，具体实现过程如下：(1)选取各类纹理的样本图像，并将这些样本图像分为训练样本图像和测试样本图像两个数据集；(2)对训练样本图像数据集分别进行2维快速傅立叶变换，根据傅立叶平面的频率和方向将傅立叶平面划分为不同的频域方向子带；(3)计算各子带的能量特征，得到图像的频域方向特征矩阵M；(4)计算频域方向特征矩阵M各子带特征间的相关系数，根据各子带对的相关系数进行降序排列，得到相关对序列；(5)应用一元线性回归模型求得相关对序列中各特征相关对的分类特征参数，构成分类器；(6)将测试样本图像的频域方向特征与分类器中所有参数的拟合程度进行比较，计算该测试样本属于每一类图像的概率，取概率最大值对应的类标作为该样本的类标；(7)重复步骤(6)，得到测试样本图像数据集中所有样本图像的类标。