[发明专利]一种基于多尺度采样的纹理图像表示方法

摘要

一种基于多尺度采样的纹理图像表示方法，对纹理图像进行旋转不变性处理，一个纹理图像的像素由符号模式和大小模式表示，通过连接同一尺度下的采样方向均值向量和频率向量，我们能够得到图像纹理单一尺度的旋转不变性表示特征，通过把不同尺度下的旋转不变性表示特征进行连接，得到用于表示纹理图像的多尺度旋转不变性表示特征，利用提取的MRIR特征，通过KNN分类器对纹理图像进行分类。本发明有益效果：本发明针对不同的成像条件，例如光照变化、图像旋转等，都能够获取很好的分类性能；同时，在保证分类性能的情况下，提取的特征还能够实现快速的纹理图像分类。

主权项

1.一种基于多尺度采样的纹理图像表示方法，其特征在于：包括以下步骤：步骤一、对纹理图像进行旋转不变性处理，其具体步骤如下：计算原始图像的大小模式图像MP：即对于纹理图像中的任一像素，该像素周围的P个邻居像素为，i=1,2,…,P，则；计算原始图像的符号模式图像SP：即对于纹理图像中的任一像素，，其中s(x)为符号函数，其满足当x≥0时s(x)=1，否则s(x)=0；步骤二、对大小模式图像MP进行L尺度的小波分解，得到3*L个高频子带和一个低频子带；步骤三、对符号模式图像进行L次的下采样得到不同尺度下的步函数，用表示第i个尺度下的步函数的值，表示符号模式图像，则， 其中表示每隔一行和一列对分布采一次样，由此得到L+1步函数值的分布；步骤四、根据步函数值的分布，对大小模式图像MP的每一个高频子带的系数进行划分，所有子带划分用集合表示，则在第i个尺度上，第j个M×N的子带的第k个划分为：，其中，U表示将合并到集合{}中，和分别为和在（x,y）处的高频子带系数和步函数值，该高频子带划分的均值为，其中表示集合里面的第τ个元素；由均值构造第j个高频子带的采样方向均值向量，用SDMV表示，则；对于M×N的，构造它的的频率向量FV=(B₀,B₁,…B_p)， 其中表示FV中的第k个元素的值；同理，对于低频子带，构造它的采样方向均值向量SDMV₀，对于原始的符号模式图像SP，构造它的频率向量FV⁰；步骤五、纹理图像的第i尺度下的旋转不变性用RIR表示，根据步骤四得到的SDMV_ij和FVⁱ得到 ；同理，对于低频子带和原始的符号模式图像SP，可以获取它们的旋转不变性表示RIR⁰，因此，纹理图像的多尺度旋转不变性表示特征MRIR为：；步骤六、利用步骤五提取的MRIR特征，通过KNN分类器对纹理图像进行分类。