基于小波变换的动态纹理分类

基于小波变换的动态纹理分类

论文摘要

随着经济的增长、社会的进步和人们物质生活及精神生活水平的不断提高,纹理的分类已经应用于多学科和人们日常生活中的各个方面。传统的静态纹理分类已经无法满足信息量飞速增长的当今时代的要求,对于动态纹理的分类已经越来越多的受到人们的关注。本文围绕这一热点课题展开,首先介绍了动态纹理分类的研究意义和现状。然后研究了小波分析的基本理论,指出了小波分析应用于动态纹理分类的合理性。本文主要成果如下:(1)提出了一种新型的小波变换,先对动态纹理沿时间轴进行一维离散小波变换,然后再利用空间二维小波变换对子带进行处理,这种方法更好的兼顾了运动的局部特性,并提出了一种以小波变换子带系数服从广义高斯分布的参数为特征的分类方法。本文使用了KNN与SVM两种分类器,通过实验与传统的均值方差为特征的方法比较,验证了新方法的有效性。为了避免由于特征维数过高而带来的计算量增加和分类性能恶化问题,并且本文采用了特征选择的方法。(2)研究了基于对偶树复小波变换的动态纹理分类。对偶树复小波分解的子带复系数的幅值服从gamma和lognormal分布,本文使用这两种分布的参数作为动态纹理特征,通过比较二级和三级对偶树复小波变换以及上述的两种分类方法验证了新方法的分类有效性。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 动态纹理分析的研究背景及研究现状
  • 1.1.1 动态纹理研究的意义及目的
  • 1.1.2 动态纹理的研究现状
  • 1.2 论文的内容及结构
  • 第2章 小波理论简介
  • 2.1 小波的定义
  • 2.2 小波变换的时频域分析
  • 2.3 离散小波变换及其频带特性
  • 2.4 多分辨率逼近和正交小波基
  • 2.5 离散小波的快速算法——Mallat算法
  • 2.6 交小波变换
  • 2.7 小波包分解
  • 2.8 多维空间的小波变换
  • 2.9 本章小结
  • 第3章 基于三维离散小波变换的动态纹理分类
  • 3.1 引言
  • 3.2 三维小波变换
  • 3.3 三维多分辨率分析
  • 3.4 基于均值和方差的动态纹理特征
  • 3.5 基于广义高斯分布参数的动态纹理特征
  • 3.6 仿真实验与结果分析
  • 3.6.1 分类器的选择
  • 3.6.2 实验与结果分析
  • 3.7 本章小结
  • 第4章 基于对偶树复小波的动态纹理分类
  • 4.1 引言
  • 4.2 对偶树复小波变换
  • 4.3 二维对偶树复小波变换
  • 4.4 三维对偶树复小波变换
  • 4.5 基于对偶树复小波变换的动态纹理特征
  • 4.6 实验与结果分析
  • 4.7 本章小结
  • 结论
  • 参考文献
  • 攻读硕士学位期间发表的论文和取得的科研成果
  • 致谢
  • 相关论文文献

    • [1].高效的光照、旋转、尺度不变纹理分类算法[J]. 计算机辅助设计与图形学学报 2017(11)
    • [2].图像纹理分类方法研究进展和展望[J]. 自动化学报 2018(04)
    • [3].基于局部特征描述和纹理基元学习的纹理分类[J]. 计算机与数字工程 2018(09)
    • [4].基于分割的纹理分类农田信息提取[J]. 闽江学院学报 2010(02)
    • [5].小波域遥感图像不变纹理分类[J]. 测绘信息与工程 2008(04)
    • [6].特征融合与约简的纹理分类方法研究[J]. 武汉理工大学学报(交通科学与工程版) 2010(05)
    • [7].基于改进局部方向模式的纹理分类[J]. 测控技术 2019(06)
    • [8].基于边缘模式和主导学习框架的相似纹理分类[J]. 计算机工程与应用 2017(23)
    • [9].图模型在彩色纹理分类中的应用[J]. 计算机科学 2011(10)
    • [10].基于概率神经网络板材纹理分类识别的研究[J]. 大连工业大学学报 2009(05)
    • [11].组织结构对字典学习表征机织物纹理的影响[J]. 东华大学学报(自然科学版) 2018(02)
    • [12].3D陶瓷打印在个性化瓷砖纹理设计与制作上的应用[J]. 明日风尚 2018(23)
    • [13].基于小波与曲波遗传融合的木材纹理分类[J]. 北京林业大学学报 2014(02)
    • [14].SIFT算法在木材纹理分类上的应用[J]. 哈尔滨理工大学学报 2016(04)
    • [15].基于纹理分类的极化SAR图像滤波方法[J]. 计算机仿真 2012(01)
    • [16].利用小波变换和互相关矩阵进行遥感图像不变纹理分类[J]. 内蒙古石油化工 2008(13)
    • [17].基于金字塔分解和扇形局部均值二值模式的鲁棒纹理分类方法[J]. 电子与信息学报 2018(06)
    • [18].多方向局部相位量化模式及纹理分类[J]. 计算机工程与应用 2020(13)
    • [19].基于纹理图像的农产品无损标识与真伪识别技术研究[J]. 湖南农业科学 2020(08)
    • [20].一种基于KNN纹理分类的超声图像自动分割方法[J]. 科技通报 2016(07)
    • [21].LBP-自适应增强模型的木材纹理分类[J]. 哈尔滨理工大学学报 2015(02)
    • [22].基于三维纹理场的自然纹理模拟[J]. 西昌学院学报(自然科学版) 2019(01)
    • [23].基于OCSVM的地板块纹理识别算法研究[J]. 微处理机 2018(01)
    • [24].基于Kmeans-GMM模型的地板块纹理分类算法[J]. 哈尔滨理工大学学报 2013(04)
    • [25].基于四元数傅里叶梅林变换的旋转不变彩色纹理分类[J]. 计算机与现代化 2014(05)
    • [26].基于离散余弦变换过完备字典的机织物纹理稀疏表征[J]. 纺织学报 2018(01)
    • [27].小波散射网络在各种彩色空间进行图像纹理分类的性能比较(英文)[J]. Journal of Southeast University(English Edition) 2015(01)
    • [28].基于堆栈降噪自动编码模型的动态纹理分类方法[J]. 现代电子技术 2015(06)
    • [29].一种用于多光谱纹理分类的ICA多尺度算子[J]. 青岛理工大学学报 2011(01)
    • [30].自适应权重联合多尺度LBPV~2纹理分类方法[J]. 应用科技 2019(02)

    标签:;  ;  ;  

    基于小波变换的动态纹理分类
    下载Doc文档

    猜你喜欢