[发明专利]基于图像纹理特征随机度信息的模式识别方法

摘要

本发明为基于图像纹理特征随机度信息小波变换的模式识别方法，提供了2D DOG小波变换的母函数、其经过方向空间变换后的自相似小波簇集合及用于产生图像纹理特征信息编码随机度信息源的变换表达，并提供了其简化定义和图像纹理特征随机度信息具有空间结构等方向性或圆对称性时的定义。本方法产生最大化的图像纹理特征信息编码的随机度信息源、最大的编码平均信息量，二进制量子化编码方法结合先验条件概率相似度度量方法产生最大化纹理特征随机度信息源的完备编码和对外部成像条件不具敏感性或依赖性。纹理特征编码采样方法具有结合多分辨空间频域带通信号特征，对干扰效应和平移效应更具可靠性和稳定性。

主权项

1、一种基于图像纹理特征随机度信息的模式识别方法，其包括以下步骤： A、确定图像纹理特征信息类型； B、根据上述A中不同的图像纹理特征信息类型，定义相应的多分析尺度、 多方向性小波； C、定义纹理图像的小波变换提取图像纹理特征信息，产生编码的随机度 信息源； D、根据上述C中编码的随机度信息源定义编码方法，产生具备规范统一 标准的纹理特征编码TextureCode； E、根据上述D中产生的纹理特征编码进行纹理特征编码间的概率相似度 度量； 其特征是： 所述的多分析尺度、多方向性小波为2DDOG小波，其小波变换的母函数 或基本小波为： M^n，m(x，y)＝(/x)ⁿ(/y)^mexp[-(x²/2σx²+y²/2σy²)] ＝(/x)ⁿexp[-(x²/2σx²)](/y)^mexp[-(y²/2σy²)] 或 H^n，m(x，y)＝exp(x²/4σx²+y²/4σy²)M^n，m(x，y) ＝exp(x²/4σx²+y²/4σy²){(/x)ⁿ(/y)^mexp[-(x²/2σx²+ y²/2σy²)]} ＝exp(x²/4σx²)(/x)ⁿexp[-(x²/2σx²)]exp(y²/4σy²)(/y)^mexp[-(y²/2σy²)] 上述母函数或基本小波经过空间平移，方向旋转，分辨率分析尺度膨胀 变换后成为自相似小波簇集合： 其中：n，m阶导数，满足n，m同时不为0的要求； s＝(0，1，2…N)为分辨率分析尺度膨胀参量， x0，y0为空间平移参量， θ为方向旋转角度参量， σx，σy为有效频率带宽参量； 纹理图像I(x，y)的2DDOG小波变换表达，为： W_M(_{n，m，s，x0，y0，θ})或W_H(_{n，m，s，x0，y0，θ})用于产生图像纹理特征编码的随机度信息 源。