（计算机应用技术专业论文）图像纹理特征的提取和图像分类系统研究及实现.pdf

摘要 摘要 随着互联网的普及，数字媒体技术及智能信息处理技术的迅速发展和广泛应 用，大规模图像资源不断涌现。面对如此海量的图像信息，搜索和查询内容匹配 的图像会变得越来越困难，形式有效的管理和查询媒体的需求也越来越迫切。基 于内容的图像检索技术引起了图像处理、模式识别、机器学习等研究领域的广泛 关注。图像信息的描述与提取，图像的分类方法是基于内容的图像检索中两个重 要的过程。针对这两个方面，本文研究了基于图像纹理特征的图像分类方法，采 用改进的灰度共生矩阵算法及多类支持向量机分类技术实现较好的图像分类。 首先，针对图像特征提取的问题，本文研究了图像内容中纹理特征的多种描 述及提取方法。从纹理的特点和图像内容检索技术的实际应用出发，着重分析了 统计法中的灰度共生矩阵算法。针对该方法有大量冗余计算，需求大量存储空间 的缺点，进一步研究了现有的几种基于灰度共生矩阵算法的改进算法，包括和差 统计法、g l c l l 和g l c h s 算法。综合几类方法的特点与思路，本文提出了一种 改进算法一统计灰矩链表法。从理论上可以看出，统计灰矩链表法解决了存储 空间需求量大的问题。通过实现传统的灰度共生矩阵算法以及改进算法，并对三 组图像分别进行提取纹理特征的实验，证明了统计灰矩链表法计算8 个典型的纹 理特征值所需要的时间大大少于传统的灰度共生矩阵算法所需要的时间。 其次，针对图像分类问题，本文研究了几种重要的模式分类方法。由于支持 向量机具有坚实的理论基础与良好的分类性能等优势，本文着重研究了支持向量 机方法。在支持向量机的统计理论原理和分类原理基础上，结合图像分类的特点， 从核函数、训练算法和多类分类器算法三个重要的影响分类效果和速度的方面进 行研究与分析，提出了适合于图像分类的多类支持向量机分类模型。在此基础上， 设计了基于纹理特征的图像分类系统，结合改进的灰度共生矩阵算法和多类支持 向量机分类模型，对图像进行纹理特征提取、训练和分类。采用三类图像进行实 验，证明了该系统能够达到良好的图像分类效果。 最后，本文从特征提取，监督学习，分类反馈等几个方面对基于内容的图像 检索技术进行了展望。 关键词：纹理特征提取，灰度共生矩阵，模式分类，支持向量机。 a bs t r a c t w i t ht h ef a s td e v e l o p m e n ta n dw i l d l ya p p l i c a t i o no ft h ei n t e m e t e ，d i g i t a l m u l t i m e d i aa n di n t e l l i g e n ti n f o r m a t i o np r o c e s s i n gt e c h n o l o g y , m o r ea n dm o r ed i g i t a l i m a g e sc a m eo u t f a c i n gt os om a n yo ft h ei m a g ei n f o r m a t i o n , s e a r c h i n ga n df i n d i n g t h ei m a g e sw i mr i g h tc o n t e n tb e c o m e sh a r d e ra n dh a r d e r t h en e e dt of i n da ne f f i c i e n t w a yt om a n a g ea n dr e t r i e v e li m a g e si se a g e r ，n l ec o n t e n t - b a s e di m a g er e t r i e v a l t e c h n o l o g yh a sa t t r a c t e dm u c hi n t e r e s tf r o ms e v e r a ls t u d yf i e l d s ，s u c ha si m a g e p r o c e s s i n g , p a t t e r nr e c o g n i t i o n , m a c h i n el e a r n i n g , e t c ，n i ei m a g e i n f o r m a t i o n d e s c r i p t i o n e x t r a c t i o na n d t h ei m a g ec l a s s i f i c a t i o na r et w oi m p o r t a n tp r o c e s s e si nt h e c o n t e n t - b a s e di m a g er e t r i e v a l t h i sa r t i c l es t u d i e dt h ei m a g ec l a s s i f i c a t i o nm e t h o d b a s e do nt e x t u r ef e a t u r ee x t r a c t i o n u s i n ga ni m p r o v e dg r e yl e v e lc o o c c u l t c i i c e m a t r i x ( g l c m ) a l g o r i t h m 谢t l lt h em u l t i - c l a s ss u p p o r t v e c t o rm a c h i n e s ( m - s v m s ) t e c h n o l o g y , t h ei m a g ec l a s s i f i c a t i o ns y s t e ma c h i e v e dg o o dc l a s s i f i c a t i o nr e s u l t s f i r s t , a i m i n ga tt h ep r o b l e mo fi m a g ef e a t u r ee x t r a c t i o n , t h i sa r t i c l er e s e a r c h e d m a n yk i n d so fm e t h o d sa b o u td e s c r i b i n ga n de x t r a c t i n gi m a g et e x t u r ef e a t u r e , w h i c hi s o n ei ft h el o wl e v e lc o n t e n to fi m a g e t a k i n gt e x t u r ec h a r a c t e r sa n dt h ep r a c t i c a l a p p l i c a t i o no ft h ec o n t e n t - b a s e di m a g er e t r i e v a lt e c h n o l o g yi n t oa c c o u n t ，t h i sa r t i c l e c h o s et h eg l c ma l g o r i t h ma s t h eo b j e c to fs t u d y t h er e s e a r c hf o n dt h eg l c m a l g o r i t h mh a sal o to fr e d u n d a n tc a l c u l a t i o n ，a n dn e e dab i gm e m o r ys p a c e t h i n k i n g a b o u tt h ed e f e c t , t h i sa r t i c l es t u d i e dt h eo t h e ri m p r o v e da l g o r i t h mb a s e do ng l c m a l g o r i t h m ，a n dp u tf o r w a r da ni m p r o v e da l g o r i t h mw h i c hi sc a l l e ds t a t i s t i c sg r e yl e v e l c o - o c c u r r e n c em a t r i xa n d “n ka l g o r i t h m i ti se a s yt of i n dt h a tt h en e wa l g o r i t h m n e e d sl e s sm e m o r ys p a c et h a ng l c ma l g o r i t h m t h r o u g ht h ee x p e r i m e n t ，c o m p a r i n g t h ec o m u p t i t i o nt i m eo fg l c ma l g o r i t h ma n ds t a t i s t i c sg r e yl e v e lc o o c c u l t c t i c c m a t r i xa n dl i i l l ( a l g o r i t h m ，i ti sp r o v e dt h a tt h el a t e ro n ew i l lu s el e s st i m et oc o m p u t e t h ef e a t u r ev a l u e s s e c o n d l y , a i m i n ga tt h ep r o b l e mo fi m a g ec l a s s i f i c a t i o n , t h i sa r t i c l er e s e a r c h e d m a n yk i n d so fm e t h o d s b e c a u s eo ft h es v mh a sas t r o n gm a t h e m a t i c st h e o r e t i c a l p r i n c i p l ea n dag o o dc l a s s i f i c a t i o nc a p a c i t y , t h i sa r t i c l ec h o s et h es v mt e c h n o l o g ya s h a b s t r a ( 玎 t h eo b j e c to fs t u d y 、矾mt h es t a t i s t i c st h e o r e t i c a lp r i n c i p l ea n dc l a s s i f i c a t i o np r i n c i p l e o fs v m , t h i sa r t i c l es t u d i e dt h r e ef a c t o ro fas v mm o d e l ，k e r n e lf u n c t i o n , t r a i n i n g a l g o r i t h m a n dm u l t i c l a s sc l a s s i f i c a t i o n a l g o r i t h m t h i n k i n g a b o u tt h e i m a g e c l a s s i f i c a t i o nc h a r a c t e r s ，t h i sa r t i c l ep u tf o r w a r dt h em s v m sm o d e lf i t t i n gf o ri m a g e c l a s s i f i c a t i o n w i mt h er e s e a r c hu p w a r d s ，t h i sa r t i c l ed e s i g n e da ni m a g ec l a s s i f i c a t i o n s y s t e mb a s e do nt e x t u r e f e a t u r ee x t r a c t i o n a c h i e v i n gt h es t a t i s t i c sg r e yl e v e l c o - o c c u r r e n c em a t r i xa n dl i n ka l g o r i t h ma n dm - s v m sm o d e l ，t h es y s t e mo w n e dt h e c a p a b i l i t yt oe x t r a c t i o nt e x t u r ef e a t u r e , t r a i n i n ga n dc l a s s i f i c a t i o nt h ei m a g e s 1 1 l e e x p e r i m e n tp r o v e d t h a tt h ei m a g ec l a s s i f i c a t i o ns y s t e mb a s e do nt e x t u r ef e a t u r e e x t r a c t i o na c h i e v e sg o o di m a g ec l a s s i f i c a t i o np r e c i s i o n f i n a l l y , t h i sa r t i c l et a l k e da b o u tt h ef u r t h o ro ft h ec o n t e n t - b a s e di m a g er e t r i v a l t e c h n o l o g yf r o ms e v e r a lf i e l d s ，i n c l u d i n gf e a t u r ee x t r a c t i o n , s u p e r v i s e dl e a r n i n ga n d c l a s s i 6 c a t i o nf e e d b a c k k e y w o r d ：t e x t u r ef e a t u r ee x t r a c t i o n , g l c m ，p a t t e r nc l a s s i f i c a t i o n , s v m i i i 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地 方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含 为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示谢意。 签名：牡日期：列9 年5 月垆 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁 盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文 的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或 扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后应遵守此规定) 签名：雌导师签名： 日期：叫年g 月上7 日 第一章绪论 1 1 研究背景 第一章绪论 随着互联网的出现和发展，人们的生活方式和认知世界的途径都发生了巨大 的变化。“数字化 就是一个显著的特点，数字媒体技术及智能信息处理技术使得 大规模图像资源不断涌现，通过计算机网络存取，内容丰富，大小各异的图像频 繁地产生和应用于各个行业。面对海量的图像信息，搜索和查询内容匹配的图像 是人们的迫切需要，但是有效的管理和查询技术实现困难。所以，基于图像内容 的检索技术油然而生，并且引起了数据库、模式识别、图像处理和计算机视觉等 研究领域的广泛关注。 基于文本的图像检索技术产生于2 0 世纪7 0 年代末，它通过对图像进行手工 注解，利用文本检索技术对图像进行关键字检索。文本标注在描述抽象的、高层 的语义概念时，有清楚、简单的优点；但是文本注解的不精确性和主观性会直接 影响图像检索结果的可靠性。同时，在网络技术飞速发展的年代，手工注解图像 的工作量之巨是难以想象的。 1 9 9 2 年美国国家科学基金会号召研究者开展可视化信息管理系统的研究，掀 起了研究基于内容的图像检索技术( c o n t e n t - b a s e ai m a g er e t r i e v a l ，c b m ) 的一股热 潮，且将有众多行业受益，包括教育、工业、娱乐、医学、环境等等。基于内容 的图像检索首先对样本图像进行数字化处理，得到特征描述，然后通过对目标图 像库中的图像进行同类特征提取和相似度匹配，反馈与样本图像有相同特征的图 像给搜索用户。基于内容的图像检索技术从人的视觉角度来描述图像，不仅能够 克服传统检索方法的二义性和低效性，更能符合人类对图像认识的特性。因此， c b i r 技术在图像处理、数据库、模式识别、和计算机视觉等研究领域的共同推动 下，已经成为一个应用潜力极大的研究领域。 1 2 应用与研究意义 c b i r 技术一般包括图像获取，特征提取，图像分类，图像检索四个阶段。基 于内容的图像检索技术有两个核心问题：如何能够实现快速有效的图像分类与检 电子科技大学硕士学位论文 索，其关键在于选用哪一种算法提取何种特征；如何建立有效的图像分类识别系 统，其关键在于分类算法的选取。在图像的三大底层特征中，纹理特征作为显著 的视觉特征，不仅不依赖于颜色或亮度，并且包含事物表面结构的排列与组织次 序，表现出上下文内容的联系，反映图像中同质现象重复出现的视觉特征，因此 纹理是基于内容的图像检索方法中非常重要的一种用于图像描述和分类的特征。 所以，本文将主要围绕图像纹理的特征提取和图像分类两个核心问题进行探讨。 基于内容的图像检索系统有着非常广阔的应用领域。 1 新一代网上搜索和数字图书馆 网络已经渗透到人们的日常生活中，网络上除了有大量文本资源外，还有非 常丰富的图像资源。新一代网上搜索引擎就应该具有协助用户从大量且无序的图 像资源中寻找内容匹配的图像的能力。除了分析图像内容以外，基于w e b 的图像 搜索引擎还应提供友好的查询界面，具有快速的联机反应能力。基于内容的图像 检索系统就适应了这些要求。迄今为止g o o g l e 、b a i d u 和y a h o o 等搜索网站相继建 立了自己的图像搜索引擎，使得广大用户可以比较容易地利用丰富的互联网图像 资源。 另外，资料的存储方式与媒介的改变，人们查阅和浏览资料的方式的改变， 都使逐渐兴起的数字图书馆技术赋予图书馆新的生命。显然，基于内容的图像分 类和检索技术可以为数字图书馆中的多媒体数据提供有力的技术支持，如对多媒 体数据进行自动分类等。一些大型的顶级商用数据库系统，如o r a c l e 和d b 2 ，正 逐步将部分已经成熟的图像分类和检索技术引入到数据库系统中来实现多媒体数 据的存储、管理和检索。 2 新一代视频服务和图像编辑 一系列相关的静止图像经过时间的扩展就形成了一段视频。c b i r 技术可被直 接应用到基于内容的视频检索当中。新一代视频服务的首要应用就是改变人们传 统的视频浏览方式，并且实现将视频中关键的画面( 关键帧) 自动提取出来供人们搜 索或者浏览，迸一步还可能实现基于内容的视频点播。而新一代的视频服务也将 产生新的视频制作手段和节目编辑，视频节目除了可被存储在录像带中，还将以 高度压缩的方式被存储在视频库中，根据视频的内容为节目添加各种标引，以此 来实现相关内容节目的快速定位和检索，极大地方便了视频节目的制作和编辑。 在很多虚拟现实的应用中，都需要对图像中的物体进行编辑( 例如自动对图像 中的物体进行精确的裁剪，然后放到一个新的环境中) 。自动识别物体从而进行分 割是一项有意义的工作，同时也是图像分类识别的潜在应用之一。 2 第一章绪论 3 医学和遥感图像的分析和处理 无论是军事还是民用，医学和遥感图像的处理和分析都具有十分重大的意义。 特别是当图像规模增加时，快速的图像识别和检索技术以及准确有效的图像分析 手段将凸现其重要性。 随着现代图像处理技术和影像技术的深入发展，可供教学、医学临床和研究 使用的医学图像数量以指数级的速度膨胀。为了用户能够方便地找到所需要的图 像，就需要创建可供用户检索的图像数据库。随着现代化医院信息系统的迅速发 展，电子病历将成为重要的组成部分，同时还将配置高级图像检索数据库，可按 特征、日期、疾病、症状、图像类型、解剖部位、医疗仪器等属性进行检索。 医学图像挖掘是医学图像处理应用的重要组成部分之一，其研究内容是从图 像数据集中，提取所隐含的知识，包括图像中各实体之间的相互关系、图像与字 符数据之间的关系、图像之间的关系以及其它关系或模式等，是涉及计算机视觉、 图像检索、图像处理、数据挖掘、机器学习、人工智能和数据库等学科的交叉研 究领域。 遥感图像数据作为一种覆盖面广、信息丰富、经济、便捷的空间数据载体， 已成为各项重大计划建设中的基础数据，并朝着多平台、多分辨率、多时相、多 种传感器、多层面、多光谱、多角度、的方向发展。因此建立起基于w e b 的遥感 图像检索分类服务体系，将具有非常重要的现实意义。 4 知识产权保护 科技的飞速发展使人们越来越关注知识产权保护问题。许多知识产权都采用 图像的形式，最明显的是艺术作品和商标。商标知识产权体现在专用的图形标记 和专用的文字描述两个方面。为了防止侵权，需对新申请的候选商标进行严格的 商标审查，并判断其是否与已注册商标过分相似。专用文字描述的近似审查可通 过各种变换算法和字符串匹配来实现。对于专用的图形标记，目前采用专家对各 种图形进行手工编码的方式，采用这种方式除了费时费力外，还存在不准确和主 观性的问题，由此可能造成商标的误审、漏审，从而引起法律纠纷。毫无疑问， 利用c b i r 技术实现对商标的专用图形标记在专家协助下的半自动审查或自动审 查具有非常现实的意义。 知识产权保护的另一个方面是避免以图像为载体的艺术作品被非法复制。将 c b i r 技术和其他技术( 如水印) 相结合，将更加有效的实现艺术作品中赝品和真品 的鉴别。 5 犯罪与安全预防 3 电子科技大学硕士学位论文 当图像的内容被限制在特定领域时，c b i r 技术将具有更为具体的应用。例如， 安全部门可将人的主要特征( 如脸部和指纹) 的图像存储在数据库中，通过人脸识别 和指纹识别就有可能从大量的人脸库或指纹库中自动识别出特定的目标。毫无疑 问，这具有十分重大的社会价值。 互联网的飞速发展也带来了负面的影响，即网上不健康信息的大量增加，尤 其是一些低级趣味的图片。在某些情况下需要对这些不健康的信息进行过滤，c b i r 技术完全可以被运用到类似的具有图像过滤需求的应用中。 此外，c b i r 技术还可以应用到远程教育、设计( 时装、装潢等) 以及地理信息 系统g i s 、个人相册管理、工程设计与建筑等方面。 同时，图像纹理分析在目标分析与识别、三维重建、纹理合成、运动分析以 及军事伪装等方面具有重要的应用意义。图像分类还具有很多潜在的应用，如自 动机器人、视频监控、生物信息学、交互式游戏等。 综上所述，图像分类技术和图像纹理的分析的研究具有十分重要的意义。 1 3 研究现状与发展趋势 图像内容中的纹理特征是当今研究的热点之一。通过几十年的研究，纹理分 析取得了很大的进步，并产生了许多纹理的研究方法，如小波变换【l 】、共生矩阵【2 】 等。这些方法大体可分为统计分析法、模型法、频域分析法、结构分析法。其中， 统计分析法的应用最为广泛。 图像分类作为计算机视觉领域研究的重点和难点，在模式分类，多分辨率领 域，多尺度研究领域等多个方面都有丰硕的研究成果。如k - m e a n s 算法【3 1 、模糊分 类【钔、决策树分类法【5 】、i s o d a t a 算法、p l s a 分类法【6 j 、遗传算法【刁、b o o s t 算法 【引、多层前向神经网络分类法【3 1 、支持向量机方法【9 】等等。 1 3 1 纹理分析研究现状与发展趋势 纹理特征是图像的重要特征，其本质是刻画像素的邻域灰度空间分布规律。 国内外学者对图像纹理进行了大量的研究，在计算机视觉和模式识别等领域已取 得了丰硕研究成果。一般而言，国外学者主要进行关于纹理特征提取及描述的算 法研究，也包括算法的应用及改进研究；国内学者的研究则主要集中在各种算法 的改进以及某一种方法的具体应用。 在7 0 年代早期，h a r a l i c k 等人就提出纹理特征的灰度共生矩阵算法【1 0 1 ，该算 4 第一章绪论 法根据像素之间的方向和距离建立灰度共生矩阵，再从这个矩阵提取出有意义的 统计量来作为纹理特征向量，并最终提取出纹理的灰度级间相关性。有许多研究 人员沿此路线做了进一步的研究：文献【l l 】研究了统计信息，首次实验并提出逆差 矩、对比度和熵具有最大的识别能力。前人提出的二维共生矩阵抛弃了颜色信息， 文献【1 2 1 针对此问题提出了共生矩阵的三维形式。基于人眼对纹理的视觉感知的心 理研究，t a m u a r 等人【l3 】提出了可以构成纹理视觉模型的6 个纹理属性，分别是对 比度，粒度，方向性，线型，粗糙度和均匀。文献【1 4 】提出的灰度梯度共生矩阵方 法，将边界算子与灰度分布相结合，能较好地描述纹理特征。 8 0 年代初，k e n n e t hi v a nl a w s 在他的博士论文中提出了l a w s 纹理【1 5 】【1 6 】的方 法，该方法先对五个特殊的卷积核两两卷积，卷积所得模板再对图像进行卷积， 并提取纹理特征。j i c b o 1 7 】提出了两阶段的自监督纹理分割方法，该方法首先通过 无监督自动回归聚类来获得初始分割映射，并在此基础上进行自监督的小波分类。 文献【l s l 引入了基于纹理元模式( l b p ) 的统计纹理分析方法，该方法能提供图像纹理 的空间结构信息，具有像素灰度值单调不变性。y o u n gd e o kc h u n 等人提出了基于 b v l c 矩和b d i p 矩的一种纹理分析方法。b v l c 能显示粗糙和光滑特性，b d i p 能够很好的提取波谷和边缘。它们直接在彩色空间上进行处理，能有效的结合颜 色特征。纹理的频域分析法也得到了飞速的发展，f e n g z h o u 等提出了基于局域傅 立叶变换来提取纹理特征的方法。 ，基于g a b o r 滤波器【1 】【1 9 】【2 0 】的算法受到了广泛的重视。基于g a b o r 滤波器的方 法符合人类视觉感知系统的特性和人眼生理视觉的特点，是纹理图像分析的重要 发展方向。g a b o r 小波是一种联合空频的方法，其纹理模型是基于窄带纹理场模型， 能在频域和空域同时达到局部最优。9 0 年代初期，小波变换的理论结构建立之后， 许多学者着手研究如何用小波变换来表示纹理特征。s m i t h 等人【2 l 】利用从小波子带 中提取的统计量( 方差和平均值) 来作为纹理特征，具有较好的检索效果。文献【凋 中利用小波帧变换包理论，来进行图像纹理分析，获得具有平移不变性和稳定性 的特征。为了探究中波特征，k u o 和c h a n g 用树形小波变换来进一步提高分类的 准确率。小波变换与其他技术相结合实现了更好的性能。g r o s s 等人用k o h o n e n 映 射和小波变换伴随k l 展开进行纹理分析。文献 2 3 】和文献【2 4 】将共生矩阵与小波变 换结合来形成基于变换和基于统计的纹理分析。 d u b e s 和o h a n i a n 评估和比较了四种类型的纹理表示法，即多通道滤波表示法、 马尔可夫随机场表示法【2 5 1 、共生矩阵表示法和分形表示法。他们在四个测试集上 ( 两个自然的、两个人工合成的) ，对这四种纹理表示法进行了测试，结果表明共生 5 电子科技大学硕士学位论文 矩阵表示法性能最优。在文献【2 6 】中，通过各种小波变换表示法，包括二重正交小 波变换和正交小波变换、g a b o r 变换以及树形小波变换，评估了纹理图像批注，发 现g a b o r 变换的效果最好，并与人类视觉研究结果相匹配【27 1 。 到目前为止，已经提出了许多纹理特征提取的方法以及对它们的比较和分析。 这些方法各有优缺点，而且在实际应用中许多纹理特征提取算法存在正确分类率 低、计算复杂、参数选择困难等问题，这些问题在一定程度上制约了这些算法的 应用。因此，研究算法的改进方法和算法的组合是纹理分析研究的一个重要方向。 1 3 2 图像分类研究现状与发展趋势 图像分类的研究主要包括以下两个方面。 模式分类是现阶段受到广泛关注的研究课题。神经网络、决策树、支持向量 机等方法都是在实际应用中表现良好的分类算法。l i 等应用l d a ( l a t e n td i r i c h l e t a l l o c a t i o n ) t 2 8 】模型解决了自然场景图像的分类问题。文献【6 】运用p l s a ( p r o b a b i l i s t i e l a t e n ts e m a n t i ca n a l y s i s ) 模型进行图像分类。通过该方法将图像表示为一些特征的 集合，并利用p l s a 模型得到隐含的图像主题。与n a i v eb a y e s 方法相比，l d a 和 p l s a 更适合解决大规模数据的问题。支持向量机( s u p p o r tv e c t o rm a c h i n e s ，s v v 0 应用的典型流程是首先提取出图像的局部特征，并形成特征码，然后将每幅图像 的局部特征所形成的特征单词的直方图来作为特征，最后通过s v m 进行训练得到 模型【2 9 1 。g r a u m a l l 等提出了金字塔特征近似法，并且证明了其所提出的金字塔法 匹配并满足m e r c e r 核函数。通过在s v m 中使用金字塔核函数，g r a u m a n 等提出 了一系列的分类、识别算法【3 0 】和图像检索。z h a n g 等【3 1 】使用s v m 与k 近邻方法相 结合的分类器，在图像分类、字体识别等问题上取得了较好的效果。此外，b o o s t 方法也被广泛应用，如o p e l t t 8 】等人提出的基于b o o s t 方法也显示了较好的结果。 粒度计算和多尺度分析等也是当前研究的热点领域。粒度计算是一个层次化 表示的概念，该方法较多的关注事物本身之间自然形成的结构关系所引发的层次 关系。多尺度的方法多是从计算机图像处理领域和视觉领域发展起来的，用于层 次化表示图像数据。金字塔图像表示、四叉树图像表示、尺度空间理论、多网格、 小波变换等都属于多尺度研究领域。 上世纪9 0 年代，k o z a 3 2 】提出了遗传规划算法( g e n e t i cp r o g r a m m i n g ，g p ) 。该 算法不需要先验知识，而且不易陷入局部极小值点，因此受到了r 益广泛的重视 并得到了广泛的应用，不少研究者将其应用到模式分类问题并取得了一定成效， 6 第一章绪论 但这些应用主要针对两类分类问题，并没有包括多类模式的分类问题。直到2 0 0 0 年，k i s h o r e 等人【3 3 】才首次将g p 算法应用于多类模式分类问题。随后，文献【j 8 】 也提出了不同的基于g p 的多类别模式的分类算法。但是迄今为止，作为一种新兴 的研究方法，相关文献仍不多见。 图像分类问题目前的难点主要体现在两方面：( 1 ) 特征的选择问题；( 2 ) 模型选 择和学习问题。 1 4 主要工作与创新 本文在国家8 6 3 项目“多行业领域r r 资源库关键技术与系统( 基金项目编 号2 0 0 7 a a 0 1 0 4 0 7 ) 及“支持数字媒体内容创作的集成环境 ( 基金项目号 2 0 0 6 a a 0 1 2 3 3 5 ) 两个项目的支持下开展课题的研究和设计工作，作者主要完成了如 下几项工作： 1 研究总结了纹理描述方法，分析几种常用的纹理描述方法的原理和特点。 2 重点研究灰度共生矩阵算法，分析特征值的表示与影响纹理特征提取的因 素。 3 针对灰度共生矩阵算法的计算量大，存储空间大的缺陷，分析了几个改进 算法的原理和特点，包括和差统计法、g l c l l 算法、g l c h s 算法。综合 以上算法的思路，在灰度共生矩阵算法的基础上进行改进，提出了统计灰 。 矩链表法。实验验证了统计灰矩链表法在计算速度上有很大的提高。 4 研究总结图像分类技术的几个热点方向，研究归纳了模式分类中常用的几 种方法的原理及特点。 5 重点研究支持向量机的统计理论原理和分类原理。针对图像分类应用，选 择适当的核函数、训练算法和多类分类思想，提出了多类s v m 模型。 6 设计“基于纹理特征的图像分类系统 ，该系统主要由图像预处理模块、纹 理特征提取模块和多类s v m 训练分类模块三大部分组成。实验证明该系 统可以得出较好的分类效果。 在课题的研究过程中既有对已有成果的深入学习、总结和分析，也在其基础 上进行一定的改进和创新。在本论文中涉及到的主要创新点包括： 1 对纹理特征的提取的问题的研究方面，综合了和差统计法、g l c l l 算法和 g l c h s 算法，提出了基于灰度共生矩阵的改进算法一统计灰矩链表法， 该算法改善了灰度共生矩阵算法计算冗余量大，所需存储空间大的缺点。 7 电子科技大学硕士学位论文 2 针对图像分类的特点，深入研究s v m 模型的三大关键要素：核函数、训练 算法和多类分类思想，提出了适用于图像分类应用的多类s v m 分类模型。 3 设计“基于纹理特征的图像分类系统 ，结合改进的灰度共生矩阵算法和自 定义的多类s v m 分类模型实现系统核心模块的功能。实验证明系统的分类 效果良好。 1 。5 论文的章节安排 本文共分七章，各章节的主要内容安排如下： 第一章绪论。本章阐述了课题的背景与研究意义。对课题的现状与发展趋势 做了一个简要的介绍，总结了课题研究领域当前主要的研究成果。最后，阐述了 论文的主要工作和创新之处。 第二章纹理的概念与描述方法。本章介绍了纹理的定义，概要地介绍了当前 主要纹理特征提取方法的思路。 第三章灰度共生矩阵算法的分析与改进。本章阐述灰度共生矩阵算法的原 理，重点研究了该算法的特点及需要改进之处，提出了统计灰矩链表法。通过实 验验证了改进算法的确在计算速度上有了很大的提高。 第四章图像分类技术。本章介绍了图像分类技术中模式分类技术的概念及特 点，及当前主要的模式分类方法，重点阐述了支持向量机的统计理论基础与分类 原理。 第五章多类s v m 模型的设计。本章针对图像分类应用的需求，从核函数及 参数、训练算法、多类分类算法三个方面做深入的研究，提出了适用于图像分类 的多类s v m 分类模型。 第六章基于纹理特征的图像分类系统。本章从工程实践方面入手，结合第三 章和第五章的研究成果，设计并实现了基于纹理特征的图像分类系统。主要说明 了该系统的框架与功能模块，运行环境与开发工具，及模块的具体实现。 第七章总结和展望。本章就论文的研究课题进行了总结并对未来的研究方向 进行了设想和展望。 文章的最后部分包括参考文献、致谢以及作者在读研期间参加的科研项目和 相关科研成果。 第二章纹理的概念与描述方法 第二章纹理的概念与描述方法 在图像的三大底层特征中，纹理特征作为显著的视觉特征，不仅不依赖于颜 色或亮度，并且包含事物表面结构的排列与组织次序，表现出上下文内容的联系， 反映图像中同质现象重复出现的视觉特征，因此纹理是基于内容的图像检索方法 中非常重要的一种用于图像描述和分类的特征。本章首先对纹理的定义及特性做 简要介绍，然后对纹理的三类描述方法进行概括，对常用的纹理描述方法做一个 综述。 2 1 纹理定义与特征 纹理的概念最初起源于人类对物体表面的触感。在此基础上，将触感与人类 视觉关联起来，从而成为了一个重要的视觉信息纹理。 纹理是图像的内在特征，表征物体表面的组织结构及上下文内容的联系等许 多重要信息。应用纹理可对图像中的基于空间的信息进行一定程度的描述。 普遍认为，纹理反映的是图像像素间的灰度重复或者变化，以及颜色在空间 上的重复或者变化。组成纹理的基本元素被称为纹元或纹理基元。纹理基元被定 义为一个具有一定不变特性的引起视觉感知的基本单元，这些视觉单元在给定某 区域内的不同方位上，在不同的方向以不同的形变重复出现，表现为图像在灰度 或者色彩模式上的特点。视觉单元通常包含多个像素，在物体表面可以呈现周期 性、准周期性或随机性三种情况。 通常，纹理包含两个基本要素：纹理基元以及纹理基元的排列规则。其中， 纹理基元的排列规则可能表现为随机性，也可能表现出某种规律性。纹理的基本 要素可以用下式来表示： f=r(e)(2-1) 式中，r 代表对纹理基元的排列规则的描述，e 代表纹理基元【3 9 1 。纹理基元和 排列规则的不同组合，就构成了各式各样的纹理结构。 图像某像素区域的纹理特征与该像素区域周围的狄度变化规律存在密切关 系，因此，通过分析各像素及其邻近像素的灰度分布关系才能描述图像的纹理。 一般情况下，图像的灰度分布会具有某种规律性，即便对于随机纹理，也可以发 9 电子科技大学硕士学位论文 掘出一些统计意义上特征。这些规律和特征总结为以下几点： 1 一个点过程不能表征为纹理，应更多地观察区域特性。 2 纹理可以表现为局部的某种序列性，该序列在更大的区域会有重复性。 3 纹理基元是由纹理序列按非随机方式组合形成的。图像纹理的粗细、走向 等特征就是纹理基元排列的周期性、疏密、方向性等形成的不同视觉。 总的来说，纹理有粗糙性、强度、密度、周期性、方向性等描述特性。其中， 纹理的粗糙性、周期性、方向性三个特征是人感受最为强烈的视觉特征。同时要 注意的是，由于纹理是区域属性，观察的区域大小会影响纹理分析。因此对纹理 的研究需要事先确定一定的观察尺度。 2 2 纹理描述方法 由于人对纹理的视觉认识存在主观性，很难用文字或语言来进行描述，所以， 需要从图像中提取可以表征纹理的信息。通过某种图像处理手段提取纹理特征， 主要有两方面的目的：一是检测出图像中含有的纹理基元；二是获得这些纹理基 元排列分布的特点信息。对图像纹理的描述通常借助纹理的结构特性或者统计特 性，对纹理基于空域的性质也可以通过转换到频域进行分析，因此常用的纹理描 述方法有三种：统计法、结构法、频谱法。另外，利用一些成熟的图像模型也可 以来描述纹理特征，称为模型法。由于纹理特征的复杂性，这些方法也常常结合 使用。 2 2 1 统计法 大多数纹理，尤其是自然纹理，被描述为一个随机变量，从局部分析只能发 现很大的随机性，但是，从统计和整体分析出发，可以发现纹理存在某种规律性。 基于统计的纹理分析方法就是从统计的角度来分析纹理图像的方法。统计方法是 最早的纹理描述方法之一，其主要思想是在纹理基元未知的情况下，通过图像中 灰度级分布的随机属性来描述纹理特征。基于统计的方法主要有：灰度共生矩阵 算法、直方图统计法、t a m u r a 纹理特征、灰度梯度共生矩阵分析法、自相关函数、 边缘频率、基元行程长度、滤波能量测量法、自相关函数分析法、行程长度统计 法等。 1 、灰度梯度共生矩阵法 图像的狄度直方图是描述图像灰度分布信息的最基本的统计方法。图像的梯 1 0 第二章纹理的概念与描述方法 度信息则是通过使用一种微分算子，计算出图像中灰度跳变的部分，如图像中景 物的沟纹、边缘及其他突出的部分。灰度一梯度共生矩阵【1 4 】综合了灰度信息、梯度 信息，可以提取出较多的纹理特征来进行分析。 对一副n x 宰n y 的图像用梯度算进行处理，可得到其梯度图像g ( x ，y ) ，其中 x = 0 ，1 ，n x 1 ，y - - - 0 ，1 ，1 再将梯度图像进行压缩处理，得到压缩后的梯度图 像为： g ( 墨y ) = lg ( x ，j ，) 厶g 雠i ( 2 - 2 ) 其中为图像的最大梯度值，k 为最大梯度。得到的灰度梯度共生矩阵为 h ( i ，) ，f = o l ，厶- 1 ，j f = 0 , 1 ，- 1 。h ( i j ) 表示压缩图像上灰度为i ( 在矩阵中的 位置为第i 行) 的像素与梯度图像上对应像素灰度为j ( 在矩阵中的位置为第j 列) 的 像素出现的次数。最后，对灰度梯度共生矩阵进行归一化处理，得到： h ( i ，j 了= h q ，j 、) | l s l 。( 2 - 3 ) 。式中i = 0 , 1 ，t 一1 ，j = 0 ，1 ，丘一1 。 2 、l a w s 纹理能量测量法 滤波能量测量法是一种空间滤波的方法。首先设计一系列匹配滤波模板，每 一种匹配滤波模板用于区分一种类型纹理，然后把图像的计算输出作为纹理能量 特征进行分类。 l a w s 在深入研究滤波模板的基础上提出了l a w s 纹理能量测量法。该方法是 一种典型的基于滤波能量测量法的一阶统计分析方法。首先定义一维滤波模板， 通过估计纹理中的平均灰度级、波纹、波形、边缘及斑点来确定纹理属性。一维 滤波模板与它们自身进行相互卷积后，产生5 个向量。这些向量的相互乘积，第 一项作为列向量，第二项作为行向量，从而产生5 5 的l a w s 掩模。把l a w s 掩模 和纹理图像进行卷积，计算出的能量作为描述该纹理的一个特征量。模板的效能 主要取决于模板匹配的局部最大值，而不取决于模板中使用的具体数字。 l a w s 纹理能量测量法简单、有效，但当采用n 个滤波模板进行滤波时，数据 量会呈n - 1 倍增加，形成庞大的计算量。因此，在处理大幅图像的情况下较少使用 该方法。 图像的能量谱函数就是图像的自相关函数，通过对能量函数的计算可以提取 出纹理特征参数，如粗细度，方向性等等。一幅图像f ( x ，y