胡明娣, 臧艺迪, 徐家慧

(西安邮电大学 通信与信息工程学院， 陕西 西安 710121)

纹理是图像的一种基本特征。纹理分类作为纹理分析的一个重要研究领域，受到广泛地关注[1]，其在细胞图像识别、卫星图像分类、指纹识别等领域得到了越来越多的应用[2]。

对纹理特征的描述是纹理图像进行分类首先需要解决的问题[3]。统计法虽然容易实现纹理特征的描述，但图像大量的统计特性，使得计算量较大[4]。模型法可以产生实用的纹理特征，但计算量大限制了其应用领域[5]。二维经验模式(bidimensional empirical mode decomposition, BEMD)方法[6]是针对非线性、非平稳性二维信号的一种自适应处理算法，广泛应用在纹理图像检索领域，但在纹理图像曲面插值操作中的高时间复杂度限制了它的应用。文献[7]将灰度共生矩阵(gray lever co-occurrence matrix, GLCM)结合BEMD方法对纹理图像进行分类，但未考虑到时间复杂度；文献[8]将BEMD与局部二值模式结合提取纹理图像的特征参数，并使用支持向量机进行分类，精确度较高，但是算法复杂度高。文献[9]针对BEMD的分解过程需要大量的时间冗余提出了一种简单高效的快速自适应二维经验模式分解方法(fast and adaptive bidimensional empirical mode decomposition, FABEMD)，但未应用到纹理图像分类中。

在文献[7]和文献[9]的研究基础上，本文拟提出一种基于FABEMD的纹理图像分类算法。该算法首先利用FABEMD算法将原始纹理图像分解成3个二维固有模态函数(bidimensional intrinsic mode functions, BIMF)以及余量的和；然后使用灰度共生矩阵提取每层BIMF分量不同尺度的纹理特征参数，组成特征向量；最后，采用最小距离分类器(minimum distance classifier, MDC)进行纹理图像的分类。……