一种有效多尺度纹理识别方法

摘要

本发明公开了一种有效多尺度纹理识别方法，本方法首先计算输入图像的图像金字塔，然后将LBP算子施加在每个尺度的图像金字塔上。接着，每个尺度图像金字塔将产生一个特征向量。通过D-S证据理论将多尺度信息在每个尺度上通过相似性融合进行整合。特别是，测试图像和目标样本之间的相似度是通过融合测试图像和每个尺度的样品之间的相似度进行计算。本发明提供的方法对于公用数据集Brodatz’salbum以及MIT视频纹理数据库（VisTex）识别精度达到96.43%和91.67%，同时对图像旋转不变性具有一定鲁棒性，在实际应用中具有一定的应用价值。

主权项

一种有效多尺度纹理识别方法，其特征在于，包括以下步骤：步骤1：输入测试图像T；步骤2：计算测试图像T的图像金字塔，图像金字塔通过一个预定义的低通滤波器对输入图像进行迭代滤波；步骤3：将基本的LBP算子应用到图像的每一个尺度上，将产生若干个直方图{H₀,H₁,…H_L}，对每个与之匹配尺度的直方图，其中L代表图像金字塔的最高层；步骤4：用直方图相交计算两两直方图之间的相似度，计算出图像金字塔上每一尺度上的基本信任分配；步骤5：将各尺度提供基本信任分配当作一个信息源，利用D‑S证据理论去组合；步骤6：最终的判定由设定的分配的最大值选择决定。