【技术实现步骤摘要】
本专利技术属于计算机视觉领域，具体涉及到纹理图像分类。
技术介绍
1、纹理图像分类作为计算机视觉和图像处理的重要研究方向，早期的方法主要基于统计学和变换域分析，如灰度共生矩阵(glcm)、gabor滤波器、小波变换等。这些方法通过提取图像的统计特征或频域信息来表征纹理模式，但计算复杂度较高，对光照变化的鲁棒性较差。
2、进入21世纪后，局部二值模式(local binary pattern，lbp)成为纹理分析领域的标志性方法。lbp通过比较像素点与其邻域像素点的关系，将局部纹理转换为二进制码，并通过统计直方图表征纹理特征。lbp具有计算简单、旋转不变、对光照变化具有一定鲁棒性的优势，因此被广泛应用于各种计算机视觉任务，如人脸识别、材料分类和医学影像分析等。在过去的几十年里，局部二值模式(lbp)及其变体在纹理图像分类领域取得了举世瞩目的成就。然而，传统lbp算法仍有一些不可忽略的缺陷，例如lbp仅考虑中心像素与其邻域像素的灰度差异，忽略了局部区域的更丰富信息，如像素间的全局关系和梯度信息；lbp对光照变化具有一定的鲁棒性，...
【技术保护点】
1.一种用于纹理图像分类的完整均差能量模式，其特征在于，所述完整均差能量模式包括以下步骤：
2.根据权利要求1所述的完整均差能量模式，其特征在于，S1中所述标准化处理的方法为：
3.根据权利要求1所述的完整均差能量模式，其特征在于，S3中所述获得局部符号模式CMDEP_S和局部幅度模式CMDEP_M的方法为：
4.根据权利要求1所述的完整均差能量模式，其特征在于，S4中所述获得局部中心模式CMDEP_C的方法为：
5.根据权利要求1所述的完整均差能量模式，其特征在于，S7中所述获得局部均差能量模式CMDEP_E的方法为：
6.根...
【技术特征摘要】
1.一种用于纹理图像分类的完整均差能量模式，其特征在于，所述完整均差能量模式包括以下步骤：
2.根据权利要求1所述的完整均差能量模式，其特征在于，s1中所述标准化处理的方法为：
3.根据权利要求1所述的完整均差能量模式，其特征在于，s3中所述获得局部符号模式cmdep_s和局部幅度模式cmdep_m的方法为：
4.根据权利要求1所述的完整均差能量模式，其特征在于，s4中所述获得局部中心模式cmdep_c的方法为：
5.根据权利要求1所述的完整均差能量模式，其特征在于，s7中所述获得局部均差能量模式cmdep_e的方法为：
6.根据权利要求1...
【专利技术属性】
技术研发人员：许晓春，陈丁榕，王鑫鑫，张俊毅，任文星，
申请(专利权)人：闽江学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。