基于SWBCT的纹理图像分类方法技术

本发明专利技术公开了一种基于ＳＷＢＣＴ的纹理图像分类方法，它属于图像处理技术领域。其目的在于克服分类特征有效性的不足，针对轮廓波和ＷＢＣＴ在纹理分析中遇到的问题，提出并将本发明专利技术用于纹理图像分类中，本发明专利技术在子带特征提取阶段分别使用了能量、Ｈｕ矩和共生矩阵的方法，得到了较好的分类效果。该发明专利技术的具体实现步骤为：１．输入样本图像，并对样本图像进行归一化；２．对归一化后样本图像进行多方向多分辨率图像分解－ＳＷＢＣＴ分解，得到分解子带；３．对得到的分解子带进行特征提取，并对各种特征进行合并；４．在已有的分类方法中选用一种分类方法，对合并后的特征进行纹理图像分类。该方法可用于模式识别中，比如图像分类、手写体识别、语音识别与分类中。

【技术实现步骤摘要】

本专利技术涉及图像处理
，具体地说是将一种基于平稳小波的轮廓波变换Stationary Wavelet-Based Contourlet Transform，简记为SWBCT，用于纹理图像分类的方法，是轮廓波和平稳小波相结合应用在纹理分析领域的成果。该方法可用于模式识别中，比如图像分类、手写体识别、语音识别与分类中。
技术介绍
自然图像都包含了丰富的纹理信息，纹理在图像中的任何方向任何位置以及不同尺度上都可能表现出来。小波只能提供有限的几个方向，因此不能充分挖掘图像中的纹理方向信息。而多尺度几何工具正是解决问题的好帮手，在纹理分类、分割中有巨大的潜力。所谓纹理是指图像中局部不规则而宏观有规律的特性，纹理描述可以提供对区域的平滑度、粗糙度、规则性等特性的度量。近20年来纹理分析在计算机视觉、生物学等领域得到了广泛的应用，它为航空或卫星遥感图像、生物医学图像、计算机视觉等提供了用于目标识别的有效特征。而如何有效地描述不同类型的纹理则成为纹理分析的关键。纹理特征的描述方法有很多，总体来说，可以分为四类统计方法、结构方法、基于模型的方法和基于变换域的方法。 在过去的几十年中本文档来自技高网...

【技术保护点】
基于ＳＷＢＣＴ的纹理图像分类方法，其具体实现步骤如下：（１）、输入样本图像，并对样本图像进行归一化；（２）、对归一化后样本图像进行多方向多分辨率图像分解－ＳＷＢＣＴ分解，得到分解子带；（３）、对得到的分解子带进行特征提取，并对各种特征进行合并；（４）、在已有的分类方法中选用一种分类方法，对合并后的特征进行纹理图像分类。

【技术特征摘要】

【专利技术属性】
技术研发人员：焦李成，王爽，侯彪，刘芳，刘帆，胡颖，公茂果，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87[中国|西安]