[发明专利]一种基于能量分布的曲波变换纹理特征提取算法

摘要

本发明公开了一种基于能量分布的曲波变换纹理特征提取算法，它涉及数字图像处理技术领域。2层曲波变换模块分别计算13个子带的均值及方差，按一层高频子带、二层高频子带、低频近似子带的顺序排列成52维原始特征向量，主方向提取模块计算一层和二层高频部分各子带占本层总能量百分比，并对高频能量分布进行排序，找出各层能量最高部分所在的子带，把能量最高部分所在的子带称为基准子带；循环平移模块对整个原始特征向量进行循环平移，直到基准子带被移动到特征向量的首部，移动后每幅图像特征向量的前两个分量为基准子带的均值和方差。本发明对复杂纹理解析度好，克服传统曲波变换算法不具有旋转不变性的缺点，提高查准率，便于图像检索。

主权项

一种基于能量分布的曲波变换纹理特征提取算法，其特征在于，包括用于获取能量分布数据的2层曲波变换模块，用于判定基准子带的主方向提取模块和用于特征向量排序的循环平移模块；所述2层曲波变换模块分别计算13个子带的均值及方差，按一层高频子带、二层高频子带、低频近似子带的顺序排列成52维的原始特征向量，所述2层曲波变换，可以表达更多的方向，且对曲线具有良好的解析能力；主方向提取模块用于计算一层和二层高频部分各子带占本层总能量的百分比，并对高频能量分布进行排序，找出各层能量最高部分所在的子带，把能量最高部分所在的子带称为基准子带，能量分布算法通过各层高频部分的能量分布得到基准子带，并重新构造特征向量，在保证特征向量奇异性的同时克服了旋转所带来的影响；循环平移模块对整个原始特征向量进行循环平移，直到基准子带被移动到特征向量的首部，移动后每幅图像特征向量的前两个分量为基准子带的均值和方差，所述算法的特征向量经过循环移位，无论图像经过怎样的旋转，其基准子带必然在特征向量的队首，并且各分量之间的排列关系不会被打乱，即保持了各特征向量的奇异性，这样就消除了旋转所带来的影响。