基于小波变换技术的纹理特征提取技术的研究

论文摘要

纹理是图像的基本特征,也是图像解析的一个极其重要的信息来源。纹理分析技术在计算机视觉,模式识别,图像处理领域都有重要的应用。本文在阐述纹理分析的概念和描述方法的基础上,就纹理分析技术中重要的一个研究分支纹理分类技术提出问题。本文首先介绍了其中的关键部分---纹理特征提取,概述了传统的纹理特征提取算法,对传统方法的适用范围和应用效果等方面做出剖析。针对目前图像分辨率的不断提高,指出传统方法在处理新的问题上出现的局限性以及信号算法在处理这类问题时的优势。二元对偶树复小波（DTCWT）变换是由小波变换的深入与拓展。包含了两个平行的滤波器,滤波器之间的延迟是一个采样值的间隔,这样就可以确保取到因隔点采样运算而舍弃的采样值。不同层次间交替采用奇偶滤波器,可以呈现出较好的对称性。将DTCWT扩展到二维图像,获得具有方向选择性和较高的冗余度的图像小波纹理特征。然后,研究了其中的分类部分。指出知识学习的概念与一般的知识分类算法和支持向量机分类器。通过实验,将DTCWT变换得到的统计特征参数作为分类样本,应用到支持向量机（SVM）中去。可以得到相对精确的分类效果。本方法提取出的算法可以直接应用到无人机载雷达上。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 纹理的基本概念
• 1.2.1 纹理的定义
• 1.2.2 纹理的分类
• 1.3 纹理特征提取技术的发展与现状
• 1.4 纹理分类技术的历史与现状
• 1.5 论文的主要研究内容与结构
• 第2章 纹理特征提取的一般研究方法
• 2.1 传统的纹理特征提取方法
• 2.1.1 基于统计的提取方法
• 2.1.2 基于结构的提取方法
• 2.1.3 基于模型的提取方法
• 2.1.4 基于滤波的提取方法
• 2.2 基于小波变换技术的纹理分析方法
• 2.2.1 小波变换的基本原理
• 2.2.2 基于塔式小波的纹理分析算法
• 2.2.3 基于树状小波的纹理分析算法
• 2.2.4 基于复小波的纹理分析算法
• 2.2.5 方法比较（实验效果比较）
• 2.3 本章小结
• 第3章 基于改进滤波器的双树复小波变换技术
• 3.1 二元对偶树复小波
• 3.2 基于二元对偶树复小波技术的纹理分析算法
• 3.3 改进的分析算法
• 3.4 本章小结
• 第4章 图像纹理分类
• 4.1 图像的纹理分类
• 4.2 基于BP 神经网络的分类算法
• 4.3 基于支持向量机的分类算法
• 4.3.1 支持向量机基本原理
• 4.3.2 线性支持向量机
• 4.3.3 非线性支持向量机
• 4.3.4 分类算法实现
• 4.4 本章小结
• 第5章 工程应用
• 5.1 在无人机上的应用
• 5.2 在其他领域的应用与发展
• 结论
• 参考文献
• 致谢
• 攻读硕士期间发表（含录用）的学术论文