论文部分内容阅读
经过近几十年的研究与发展,纹理图像的分类已经取得了大量的研究成果,研究人员提出了各种纹理图像分类算法。但是,这些算法仅在空域或频域上提取纹理特征,并且普遍存在着计算复杂度高、分类准确率低、算法鲁棒性差等不足。总之,至今为止仍没有形成一种特别好的纹理分类方法,纹理分类问题还有待进一步的研究和探索。在现有的算法中,灰度共生矩阵反应了灰度级在空间的相互依赖关系,该矩阵的一些特征可以很好地反应纹理的空间结构。小波包变换是一个提取纹理图像频域信息很好的工具,它不仅可以对纹理图像的低频部分进行进一步的分解,同时还可以对它的高频部分做进一步的分解,这种分解既无遗漏,也不冗余,是提取纹理图像频域特征的很好的方法。因此,本文提出了一种基于灰度共生矩阵与小波包相结合的纹理分类算法,并通过交叉验证对模型参数进行了优化,实验结果表明这种空域与频域相结合纹理分类算法与其它仅在空域或频域上提取纹理特征的算法相比,分类的准确率提高了、算法的鲁棒性增强了。