对蒙古族家具纹样进行识别时,主要是主观视觉去分类,其就是依靠人眼分类,这种分类得出结果不够准确,应用计算机识别能实现智能化,在对蒙古族家具纹样进行取样时,由于受到环境因素、取样设备、历史条件等影响,获得家具纹样不够清晰,纹样信息丢失,因而影响纹样的识别效果。本文在传统图像增强的基础上,提出基于LWT-SWT(Lift Wavelet Transform-Stationary Wavelet Transform)和加权变换的蒙古族家具纹样增强算法。把原始图像的直方图中像素频数出现次数较少的像素去掉,再通过加权函数计算,提高了蒙古族家具纹样的质量。本论文研究的主要内容:1.介绍直方图均衡化、双三次插值算法两种传统增强方法,并对蒙古族家具纹样进行处理,比较两种算法的优缺点。2.在现有传统图像增强算法的基础之上,提出基于LWT-SWT和加权变换的蒙古族家具纹样增强算法,首先对输入家具纹样进行提升小波变换(LWT)和平稳小波变换(SWT)分解,将LWT分解的高频子带插值到SWT对应的高频子带中,将生成的高频子带与未处理的低频子带通过ILWT(Inverse Lift Wavelet Transform)得到高分辨率增强的纹样。其次对分辨率增强的纹样直方图进行修改,通过设置阈值,把小于阈值的像素的频数直方图去掉,然后计算平均直方图和权重函数,最后通过像素的转换得到增强后的家具纹样。3.将基于LWT-SWT和加权变换的蒙古族家具纹样增强算法与直方图均衡化、双三次插值算法进行实验对比,并对实验结果进行主观分析,同时利用峰值信噪比PSNR(Peak Signal-to-Noise Ratio)、均方误差 MSE(Mean Square Transform)、结构相似性指数测量 SSIM(Structure Similarity Index Measurement)进行客观评价。4.基于LWT-SWT和加权变换的蒙古族家具纹样增强算法、直方图均衡化、双三次插值算法对蒙古族家具纹样进行预处理,以动物、植物和几何家具纹样作为识别样本,利用识别参数熵(Entropy,E)、对比度(Contrast,C)、均匀性(Homogeneity,Homo)、逆差距(Deficit From,DF)进行识别,分别用本文方法与利用支持向量机(Support Vector Machine,SVM)进行识别,并对识别结果进行分析。