[发明专利]基于频域方向特征相关性的图像分类方法

说明书

技术领域

本发明属于图像处理技术领域，特别是涉及一种图像分类方法，可用于对纹理图 像和合成孔径雷达(SAR)图像的分类。

背景技术

图像分类是模式识别的一个重要分支，是根据不同类别的目标在图像信息中所反 映的不同特征，把它们区分开来的图像处理方法。图像分类的主要研究内容是如何对 图像进行适当的描述，提取能够有效表示图像属性的特征，提出有效的分类识别方法， 并在此基础上对图像进行准确高效的分类。

图像分类的应用领域主要有以下几个方面：图像纹理分析、图像内容检索、目标 检测和识别等。其中图像的纹理分析和分类问题是图像处理和模式识别中的一个重要 研究方向，在图像分类、分割、计算机图形学和图像编码等领域都起着至关重要的作 用。20世纪80年代产生了很多传统的分类方法，如灰度共生矩阵，二阶统计方法，高 斯-马尔可夫随机场，局部线性变换等。随着对人类视觉系统研究的深入，许多多分 辨纹理分析模型开始发展起来，如小波变换，Gabor变换，Brushlet，轮廓波(Contourlet) 等。研究者们结合多通道Gabor滤波、小波变换等方法，对纹理分析提出了大量创新 和改进，很大程度上提高了纹理分析的精度。如Jasperetal采用适合纹理分析的小波基 对纺织品纹理进行缺损检测，Ajay Kumar和Granthan K.H Pang等人将Gabor滤波用于 有纹理现象的物体结构缺损检测，K.N.Bhanu Prakash等人利用灰度共生矩阵对母体内 胎儿的肺部超生图像检测其是否已到成熟期。大量实验证明这种多分辨分析的方法能 得到较好的分类效果，因此在图像分析和分类研究中得到了广泛的应用。

传统的图像分类方法一般是利用纹理特征的向量距离或统计差别来判断类别属 性，而基于特征相关性的图像分类则是基于这一事实：图像是由特定频带和方向的纹 理信息组合而成，这在视觉上反映为不同类别的图像在不同的特征通道上具有明显不 同的相关性。因此，该相关性是区分不同类别纹理的一个显著特征。Zhi-Zhong Wang 和Jun-Hai Yong等人对小波包各子带间的相关性进行了分析并提出相应的图像检索方 法。该方法首先得到各子带的能量特征，然后分析各特征通道间的相关性求得到分类 参数。测试时通过比较测试样本与训练样本相关性模型的拟合程度，依次排除直至获 得正确的类标。与这一思路类似的方法包括利用小波、轮廓波等变换进行特征提取及 相关性分析，但是这一类变换的共同缺点是框架固定而且变换后的子带在频率、方向 等方面划分不够细致。这些缺点导致特征相关性不够明显，分类性能有限而且对图像 的大小变化表现不够鲁棒，计算复杂度较高。

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种不受限于小波、小波包等 变换以及多尺度几何分析工具框架的基于频域方向特征相关性的图像分类方法，以提 高对图像尺寸变化的鲁棒性和分类的正确率，降低计算复杂度。

本发明的技术方案是，对训练样本集合中的子图分别进行2维快速傅立叶变换， 然后根据频率和方向将傅立叶平面划分为不同频域方向子带，计算各子带能量特征， 分析特征间的相关性，并利用一元线性回归获得分类参数，最后通过比较测试子图的 特征与各类图像的分类参数模型的拟合程度，得到分类结果。具体实现过程如下：

(1)选取各类纹理的样本图像，并将这些样本图像分为训练样本图像和测试样本图 像两个数据集；

(2)对训练样本图像数据集分别进行2维快速傅立叶变换，根据傅立叶平面的频率 和方向将傅立叶平面划分为不同的频域方向子带；

(3)计算各子带的能量特征，得到图像的频域方向特征矩阵M；

(4)计算频域方向特征矩阵M各子带特征间的相关系数，根据各子带对的相关系 数进行降序排列，得到相关对序列；

(5)应用一元线性回归模型求得相关对序列中各特征相关对的分类特征参数，构成 分类器；

(6)将测试样本图像的频域方向特征与分类器中所有参数的拟合程度进行比较，计 算该测试样本属于每一类图像的概率，取概率最大值对应的类标作为该样本的类标；

(7)重复步骤(6)，得到测试样本图像数据集中所有样本图像的类标。

本发明与现有的技术相比具有以下优点：