计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2013年
3期
677-679,699
,共4页
Contourlet变换%特征选择%纹理识别%高频能量%支持向量机
Contourlet變換%特徵選擇%紋理識彆%高頻能量%支持嚮量機
Contourlet변환%특정선택%문리식별%고빈능량%지지향량궤
针对变换域中图像纹理识别时如何选择最佳特征向量的问题,利用Contourlet变换的多方向、多尺度选择性和各向异性,将图像从空间域变换到频率域,全面地提取了Contourlet变换分解后低频子带、中频子带和高频子带的特征,输入支持向量机(SVM)分类器进行分类识别.利用Brodatz纹理库进行仿真实验,实验结果表明低频均值方差和高频能量作为组合特征时识别准确率可达98.75%,且特征向量维数少,是在Contourlet变换下表示图像纹理的最优特征.
針對變換域中圖像紋理識彆時如何選擇最佳特徵嚮量的問題,利用Contourlet變換的多方嚮、多呎度選擇性和各嚮異性,將圖像從空間域變換到頻率域,全麵地提取瞭Contourlet變換分解後低頻子帶、中頻子帶和高頻子帶的特徵,輸入支持嚮量機(SVM)分類器進行分類識彆.利用Brodatz紋理庫進行倣真實驗,實驗結果錶明低頻均值方差和高頻能量作為組閤特徵時識彆準確率可達98.75%,且特徵嚮量維數少,是在Contourlet變換下錶示圖像紋理的最優特徵.
침대변환역중도상문리식별시여하선택최가특정향량적문제,이용Contourlet변환적다방향、다척도선택성화각향이성,장도상종공간역변환도빈솔역,전면지제취료Contourlet변환분해후저빈자대、중빈자대화고빈자대적특정,수입지지향량궤(SVM)분류기진행분류식별.이용Brodatz문리고진행방진실험,실험결과표명저빈균치방차화고빈능량작위조합특정시식별준학솔가체98.75%,차특정향량유수소,시재Contourlet변환하표시도상문리적최우특정.