[发明专利]基于SWBCT的纹理图像分类方法

权利要求书

1.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。

2.根据权利要求1所述的基于SWBCT的纹理图像分类方法，所说的输入样本图像，并对样本图像进行归一化，其具体实现方法如下：

(1)、输入样本图像，设待分类的样本图像有N幅，从N幅待分类的样本图像中随机选取M幅作为训练样本图像，其中M小于N；

(2)、对样本图像归一化，将图像的像素从0～255归一化到0～1之间。

3.根据权利要求1所述的基于SWBCT的纹理图像分类方法，所说的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，其具体实现方法如下：

(1)、设定最大分解层数为l；

(2)、对归一化后样本图像进行平稳小波变换，得到四个子带：低频子带LL，高频子带LH、HL、HH；

(3)、对由平稳小波变换得到的LH、HL、HH三个高频子带，分别使用方向滤波器DFB进行分解，则每个高频子带都得到2ⁿ个方向子带，其中n是分解层数，n的取值为1～l；

(4)、对每次分解得到的低频子带LL重复上述步骤(2)、(3)，直到分解层数n＝l；

(5)、最后得到方向子带和一个低频子带。

4.根据权利要求1所述的基于SWBCT的纹理图像分类方法，所说的对得到的分解子带进行特征提取，并对各种特征进行合并，其具体实现过程如下：

(1)、对分解得到的各子带分别提取各种特征：能量特征、Hu矩、共生矩阵特征等；

(2)、合并各种特征，从M幅训练样本图像中提取出的特征与训练样本图像对应，记为训练特征；所有N幅待分类样本图像提取出的特征记为分类特征；不管是训练特征还是分类特征，合并特征的方法有两种：

①如果所提取的所有特征都将被用来进行分类，那么这些特征与样本一一对应进行存储；

②如果要对所提取出的特征进行选择，则把选择出的有效特征与样本一一对应进行存储。

5.根据权利要求1所述的基于SWBCT的纹理图像分类方法，所说的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，其中分类方法可从聚类方法、K近邻法、神经网络方法、支撑矢量机方法中选择；从是否需要训练分类器的角度来说，分类方法有两种：无监督分类方法和有监督分类方法，当采用有监督分类方法时，使用有监督分类器；采用无监督分类方法时，使用无监督分类器；其具体实现过程如下：

(1)、使用有监督分类器时，采用K近邻法、神经网络方法、支撑矢量机方法，其对图像进行分类检测的过程是：

①、利用训练特征训练分类器；

②、把分类特征输入已训练好的分类器中，便可得到最后的分类结果；

(2)、使用无监督分类器时，采用聚类方法，直接将分类特征输入分类器，就可得到最后的分类结果。