论文部分内容阅读
纹理是自然界中物体表面呈现出的主要特征，是人类视觉信息的重要组成部分，对纹理的视觉感知是人类认识世界的重要方式。在研究领域，纹理作为一种图像模式的描述，是计算机视觉和模式识别研究的重要内容。随着计算机视觉技术的发展，基于纹理特征的分类与识别系统在工业制造、医疗诊断、天气预报、地质勘探等领域得到广泛的应用。实际的应用环境中，光照条件往往是人为不可控制的。光照变化不仅改变了图像的灰度空间分布，而且促使图像的纹理结构也发生变化，进而对纹理分类系统性能产生影响。因此，克服光照影响，提高分类系统光照鲁棒性一直是计算机视觉和模式识别领域的关键任务之一。本文在多分辨率分析理论和光照对图像影响分析的基础上，主要研究图像光照不变性特征的提取，以提高纹理分类系统的光照鲁棒性。主要创新点如下：①.根据反射模型，从理想条件和光照条件下图像模型出发，研究了光照对图像灰度空间分布和纹理结构的影响，并在多尺度空间对两种影响进行建模，提出了本文的光照不变特征提取模型。在模型中，光照对图像的灰度空间分布和纹理结构的影响在多尺度空间中分别被视为其对近似分量和高频细节分量的影响。根据两种影响程度的不同，分别采用不同的方法消除两种影响。②．基于“去噪”思想和本文光照不变特征提取模型，提出了基于小波变换域和BayesShrink去噪的光照不变特征提取方法。本文方法中，理想图像信号被视为“噪声”，首先将图像转换到对数域，再对图像进行小波分解。在多尺度空间，近似分量为图像的低频信息，聚集图像大部分的能量，代表图像灰度空间分布；高频分量反映图像的纹理细节，聚集了图像的绝大部分高频特征，代表图像纹理细节结构。因此，光照对图像空间分布的影响被近似视为其对低频分量的影响，对这部分采用低通滤波进行处理；对图像纹理结构的影响被理解为其对高频分量的影响，采用BayesShrink方法进行“去噪”。然后通过小波逆变换得到整幅图像的光照分布图像。最后根据反射模型，将对数域观测图像与光照分布图像相减得到图像光照不变特征。实验中使用主成分分析对光照不变特征降维，采用K-最近特征线分类器进行分类。在光照条件复杂的OutexTC00014纹理数据库的仿真结果表明：本文算法分类正确率高于传统基于小波变换的光照不变特征提取、LBP方法；提高了5.56%22.1%。