论文部分内容阅读
在蒙古族家具纹样分类中,目前主要依靠主观视觉效果进行分类,分类结果不够准确。在获得蒙古族家具纹样的过程中,由于历史变迁、环境因素、取样设备以及传输过程中其它因素的影响,会使纹样模糊失真,影响纹样识别。为了增强模糊失真的家具纹样,以及更好地提高纹样识别率,从而达到准确分类的目的,本研究提出了基于Lαβ变换和AGC(Adaptive Gamma Correction)的蒙古族家具纹样增强算法。该算法将RGB(Red Green Blue)色彩空间转换到Lαβ色彩空间,其中 L(Brightness)为亮度通道、α(Red-green dominance channel)为红绿色度通道、β(Yellow-blue dominance channel)为黄蓝色度通道,消除了RGB颜色通道之间的相互干扰,最后利用AGC算法进行增强,输出增强的家具纹样。论文研究的主要内容如下:1.介绍了图像增强理论及具有代表性的离散小波变换奇异值分解DWT-SVD(Discrete Wavelet Transform-Singular Value Decomposition)、对比度受限的自适应直方图均衡化 CLAHE(Contrast Limited Adaptive Histogram Equalization)、伽马校正三种传统增强方法。2.本文提出基于Lαβ变换和AGC的蒙古族家具纹样增强算法,以蒙古族家具纹样中的动物、植物、几何、文字四类纹样作为研究对象,将本文的增强算法与DWT-SVD、CLAHE、伽马校正增强算法进行对比,应用峰值信噪比PSNR(Peak Signal-to-Noise Ratio)、均方误差 MSE(Mean Square Error)、结构相似性指数测量SSIM(Structure Similarity Index Measurement)、信息熵IE(Information Entropy)进行客观评价。3.以蒙古族家具纹样中的动物、植物、几何、文字类纹样作为识别样本,分别用本文算法和三种传统增强算法对纹样进行预处理,然后用SVM(Support Vector Machine)径向基函数和角度MSE、亮度MSE、对比度C(Contrast)和同质性H(Homogeneity)识别参数对增强后纹样进行识别,分析比较识别结果。