[发明专利]一种基于四元数散射网络的彩色图像纹理分类方法

权利要求书

1.一种基于四元数散射网络的彩色图像纹理分类方法，其特征在于：将彩色图像数据库的D幅彩色图像转化成一个N₁×D的四元数域的二维矩阵Q，其中N₁表示散射向量的维数，然后将二维矩阵Q输入四元数主成分分析分类器进行分类，即具体包括以下步骤：

(1)彩色图像的预处理：

(2)建立彩色图像的四元数散射网络；

(3)彩色图像的纹理分类处理；

其中，每一幅彩色图像的大小均为N×N，参数D表示数据库中彩色图像的总数目。

2.根据权利要求1所述的基于四元数散射网络的彩色图像纹理分类方法，其特征在于：所述彩色图像的预处理具体包括以下步骤：

(1-1)将彩色图像数据库中每幅N×N的彩色图像T从RGB空间转化到HSI空间；

(1-2)将大小为N×N的彩色图像T的HSI三个通道的数据分别赋值给N×N的四元数矩阵f^Q的三个虚部，即f^Q＝0+H(T)i+S(T)j+I(T)k；

其中，i,j和k是三个虚数单位，H(T)，S(T)和I(T)分别表示彩色图像H分量、S分量和I分量的数据值；H(T)是角度值，范围在0度到360度之间；S是色度值，范围在0到1之间；I是亮度值，范围在0到1之间；

(1-3)将待分类的彩色图像数据库的图像根据实际需要按一定比例分成训练数据和测试数据两部分，若从彩色图像数据库中随机选取D₁幅彩色图像作为训练数据，剩下的(D-D₁)幅彩色图像作为测试数据，且0<D₁<D。

3.根据权利要求1所述的基于四元数散射网络的彩色图像纹理分类方法，其特征在于：所述建立彩色图像的四元数散射网络具体包括以下步骤：

(2-1)将训练数据的每一幅图像分别输入四元数散射网络，待所有的训练数据都通过四元数散射网络后，可以得到一个N₁×D₁的特征矩阵Q₀，其中N₁是每幅训练图像输入四元数散射网络得到的散射向量的维数，D₁是训练数据的数目，这里的四元数散射网络包括四元数Gabor小波算子和四元数取模算子；

(2-2)将测试数据的每一幅图像分别输入四元数散射网络，待所有的测试数据都通过四元数散射网络后，可以得到一个N₁×(D-D₁)的特征矩阵Q₁，其中N₁是每幅测试图像输入四元数散射网络得到的散射向量的维数，(D-D₁)是测试数据的数目；

(2-3)将训练数据特征矩阵Q₀和测试数据特征矩阵Q₁进行串联，得到数据的总的特征矩阵Q＝[Q₀,Q₁]，Q是一个N₁×D的矩阵。

4.根据权利要求1所述的基于四元数散射网络的彩色图像纹理分类方法，其特征在于：所述彩色图像的纹理分类处理的方法为：将四元数散射特征矩阵Q输入四元数主成分分析分类器进行分类，并得到最终的分类结果。