APP下载

基于四元数Gabor滤波的彩色纹理特征提取*

2018-10-08王晓霖李东威

计算机工程与科学 2018年9期
关键词:特征提取方向特征

孟 勃,王晓霖,李东威

(1.东北电力大学信息工程学院,吉林 吉林 132012;2.中国石油天然气股份有限公司吉林石化公司铁路运输部车辆车间,吉林 吉林 132012)

1 引言

图像纹理特征是图像处理研究的热点之一,是人脸识别、图像分类、图像分割和图像增强等热点问题的基础。提取的纹理特征质量直接影响到分割效果和分类结果。纹理特征是图像处理重要而又难以描述的特征,时至今日,图像纹理特征仍然没有一个公认的、严格的定义。

现有的纹理特征提取方法主要包括统计方法、模型方法、信号处理方法和结构方法[1],其中信号处理方法中的Gabor滤波器可以提取多尺度多方向的纹理特征。成熟的纹理特征提取方法仅仅停留在对灰度图像的纹理特征提取。

早期的图像纹理特征的研究者Hawkins[2]提出难以定义“纹理的确切概念”。Tamura等人[3]根据人类视觉对纹理特征的感知提出了粗糙度(Coarseness)、对比度(Contrast)、方向度(Directionality)、直线度(Linearity)、规则度(Regularity)和粗细度(Roughness)六个纹理特征。其中,粗糙度、对比度和方向度是图像分类和图像分割中重要的纹理特征。根据其中一种特征或三个特征的结合用于图像分割和图像分类。Shi等人[4]提出了一种采用四元数分割图像的算法。为了操作大量的训练集,将四元数主成分分析(Quaternion Principal Component Analysis)扩展为增量四元数主成分分析(Incremental Quaternion Principal Component Analysis),更加有利于提取纹理特征。最终通过欧氏距离和区域相似性合并达到纹理分割的目的。该方法在利用增量四元数主成分分析算法时不可避免地会丢失图像的一些纹理信息,并且对于训练集的要求较高。……

登录APP查看全文

猜你喜欢

特征提取方向特征
2022年组稿方向
2021年组稿方向
2021年组稿方向
如何表达“特征”
基于Gazebo仿真环境的ORB特征提取与比对的研究
不忠诚的四个特征
一种基于LBP 特征提取和稀疏表示的肝病识别算法
位置与方向
基于MED和循环域解调的多故障特征提取
线性代数的应用特征