[发明专利]一种基于多变量对数高斯混合模型的图像纹理特征提取及识别方法有效
| 申请号： | 201811575477.7 | 申请日： | 2018-12-22 |
| 公开（公告）号： | CN109657690B | 公开（公告）日： | 2022-10-21 |
| 发明（设计）人： | 陈熙 | 申请（专利权）人： | 贵州师范大学 |
| 主分类号： | G06V10/46 | 分类号： | G06V10/46;G06V10/764;G06V10/762 |
| 代理公司： | 昆明隆合知识产权代理事务所(普通合伙) 53220 | 代理人： | 何娇 |
| 地址： | 550025*** | 国省代码： | 贵州;52 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于多变量对数高斯混合模型的图像纹理特征提取及识别方法，属于模式识别技术领域。本发明首先对一幅纹理图像采用高斯二维Gabor滤波器进行滤波处理，并构建对数高斯随机向量；采用一个多变量对数高斯概率模型对对数高斯随机向量进行参数建模；再采用多个多变量对数高斯概率模型对对数高斯随机向量进行参数建模；对参数建模得到的多变量对数高斯概率混合模型中所涉及的参数Θ采用期望最大进行估计，得到多变量对数高斯概率混合模型；最后计算待分类纹理图像属于各类图像的多变量对数高斯混合模型的概率，此概率即为分类的依据。本发明能对具有非高斯，厚拖尾统计特点的纹理图像进行有效识别。 | ||
| 搜索关键词： | 一种 基于 多变 对数 混合 模型 图像 纹理 特征 提取 识别 方法 | ||
【主权项】：
1.一种基于多变量对数高斯混合模型的图像纹理特征提取及识别方法，其特征在于：Step1、首先对一幅纹理图像采用高斯二维Gabor滤波器进行滤波处理，并构建对数高斯随机向量；Step2、采用一个多变量对数高斯概率模型对对数高斯随机向量X进行参数建模，得到参数化的对数高斯随机向量X的对数高斯概率函数模型；Step3、采用多个多变量对数高斯概率模型对对数高斯随机向量X进行参数建模，得到参数化的多变量对数高斯概率混合模型；Step4、对参数建模得到的多变量对数高斯概率混合模型中所涉及的参数Θ采用期望最大进行估计，得到多变量对数高斯概率混合模型；Step5、最后计算待分类纹理图像属于各类图像的多变量对数高斯混合模型的概率，此概率即为分类的依据。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于贵州师范大学，未经贵州师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811575477.7/，转载请声明来源钻瓜专利网。
