[发明专利]一种应用图像关联度的图像模糊分类方法

说明书

本发明公开了一种应用图像关联度的图像模糊分类方法，包括：步骤1，对于每幅待分类的图像，计算它的分形维特征和能量特征，按照分形维特征和能量特征的大小，将图像分成3类；步骤2，3类图像包含的图像总数分别记为n1、n2、n3，计算每一类图像特征的纹理特征均值，分别记为mean1、mean2、mean3；步骤3，分别计算每幅图像与3类图像纹理特征值的差；步骤4，分别计算每幅图像与3类图像的关联度；步骤5，计算3类图像在各自类别中关联度的均值；步骤6，确定每幅图像是否归属于当前所在的类别。

技术领域

本发明涉及一种应用图像关联度的图像模糊分类方法。

背景技术

图像纹理分类是图像自动解释的关键技术，文献“You J，Cohen HA.Classification and Segmentation of Rotated and Scaled Textured Images UsingTexture“Tuned”Mask[J].”利用“Tuned”纹理模板与原始图像作卷积，求得能反映纹理特征的纹理能量，进行图像的纹理分类。图像纹理分类的质量取决于最优“Tuned”纹理模板的获得。但是一个最佳“Tuned”纹理模板只适用于特定的一组图像，假定是居民地图像，则山地、水田这组图像的分类计算量较大。最近十余年出现了基于模糊规则和模糊推理的图像分类方法。这一类图像模糊分类是建立在知识库、规则库的基础上的，而知识库和规则库的建立不是一件容易的事情。

发明内容

针对现有技术的不足，本发明提供了一种应用图像关联度的图像模糊分类方法，包括如下步骤：

步骤1，对于每幅待分类的图像，计算它的分形维特征和能量特征(参考文献：Zheng Zhaobao，Zheng Hong.Genetic Algorithm for Producing Texture“Tuned”Masks[J].PR&AI,2001)，按照分形维特征和能量特征的大小，将图像分成3类(参考文献：ZhengZhaobao,Huang Guilan.Using Least Square Method for Texture Classification ofAerial Image and Analysing Some Relative Problems[J].Acta Geodaetica ttCartographica Sinica,1996)；

步骤2，3类图像包含的图像总数分别记为n1、n2、n3，计算每一类图像特征的纹理特征均值(参考文献：You J，Cohen H A.Classification and Segmentation of Rotatedand Scaled Textured Images Using Texture“Tuned”Mask[J].)，分别记为mean1、mean2、mean3；

步骤3，分别计算每幅图像与3类图像纹理特征值的差；

步骤4，分别计算每幅图像与3类图像的关联度；

步骤5，计算3类图像在各自类别中关联度的均值；

步骤6，确定每幅图像是否归属于当前所在的类别。

步骤3中，通过如下公式分别计算每幅图像与3类图像纹理特征值的差：

d₁(i₁，1)＝|mean1-Rbs(i₁，1)|，

d₁(i₁，2)＝|mean2-Rbs(i₁，1)|，

d₁(i₁，3)＝|mean3-Rbs(i₁，1)|，

d₂(i₂，1)＝|mean1-Rbs(i₂，2)|，