[發明專利]基于分數傅里葉變換的紋理分類方法

有效

• 申請號: 201310470171.6
• 申請日: 2013-10-10
• 公開（公告）號: CN103530647B
• 公開（公告）日: 2017-02-08
• 發明（設計）人: 鄭麗穎;石大明;田凱
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及的是一種紋理圖像的分類方法。

背景技術

紋理是一種不依賴于顏色或者亮度變化的、反映圖像中同質現象的視覺特征。紋理刻畫了圖像像素鄰域灰度空間的分布規律。在現實世界中，紋理無處不在，從大自然的天空、草地，到生活中常見的磚墻、布匹等都具有明顯的紋理特征。在計算機視覺領域，紋理分類作為理解真實視覺模式的重要手段而被廣泛應用于醫學圖像處理、農業圖像分割、食品質量監督、以及衛星圖像分析等領域。

紋理分類的關鍵問題是如何對紋理進行描述。現有的紋理描述方法包括：灰度共生矩陣[1]、雙向紋理函數[2]、局部二值模式[3]、仿射自適應方法[4]、模型方法（包括隨機域模型[5]、自回歸模型[6]、以及分形模型[7]等）、變換域方法（包括Gabor變換[8]、小波變換[9]等）、不變特征描述算子（例如Zernike矩[10]）等等。

由于紋理大多具有很強的頻譜特性和方向性，而紋理分割又要求特征的表達具有局部性。因此紋理分類方法要求所采用的變換/濾波工具同時具有高的時間和頻率分辨率。顯然短時傅立葉變換、小波變換、Gabor變換、Wigner變換等時-頻分析工具是理想之選。然而，包括Wigner變換和Gabor變換在內的許多時-頻分析工具都希望所分析的信號是窄帶信號。實際的紋理由于自身的形態或受到其它干擾，在頻域或者空域中并不表現為窄帶形式。另一方面，如果時-頻變換中包含非線性項，則該方法將不可避免的受到交叉項的影響，有時這種影響是相當嚴重的以至于無法實現正確分割。雖然象Gabor這樣的線性變換不受交叉項影響，但是通常來說這些線性方法的時-頻分辨率卻又不高。

分數傅里葉變換(Fractional?Fourier?Transform,FrFT)理論可以追溯到1937年。Candon首先提出了廣義傅里葉變換的概念，1980年Namias明確提出了FrFT的概念，并給出了其數學定義和性質，討論了變換的本征函數，1987年，McBirde和Kerr建立起了FrFT的理論體系。自此，FrFT的理論不斷完善，并在光學、信號處理、圖像加密等領域發揮作用。FrFT是傅立葉變換的推廣形式，通過一種簡單的方式實現了信號的從純時間域到純頻率域的全過程的綜合描述，能夠展示出信號從純時間域到純頻率域的所有變化特征。

研究表明FrFT與Cohen類時-頻分布具有密切關系，信號的許多重要時頻特性可以從其FrFT譜中獲得。基于FrFT與信號時-頻表示的密切，本發明提出一種基于分數傅里葉變換的紋理分類方法。

相關參考文獻包括：

[1]R.Haralick,Statistical?and?structural?approaches?to?texture,Proceedings?of?the?IEEE,67(5)，pp786-804,1979；

[2]J.Filip,and?M.Haindl,Bidirectional?texture?function?modeling:a?state?of?the?art?survey,IEEE?Transactions?on?Pattern?Analysis?and?Machine?Intelligence,31(11),pp1921-1940,2009；

[3]T.Ojala,M.and?D.Harwood,A?comparative?study?of?texture?measures?with?classification?based?on?featured?distributions,Pattern?Recognition,29(1),pp.51-59,1996；

[4]S.Lazebnik,S.M.-C.Schmid,and?F.-J.Ponce,A?sparse?texture?representation?using?local?affine?regions,IEEE?Transactions?on?Pattern?Analysis?and?Machine?Intelligence,27(8),pp.1265-1278,2005；