[发明专利]基于分数傅里叶变换的纹理分类方法

说明书

技术领域

本发明涉及的是一种纹理图像的分类方法。

背景技术

纹理是一种不依赖于颜色或者亮度变化的、反映图像中同质现象的视觉特征。纹理刻画了图像像素邻域灰度空间的分布规律。在现实世界中，纹理无处不在，从大自然的天空、草地，到生活中常见的砖墙、布匹等都具有明显的纹理特征。在计算机视觉领域，纹理分类作为理解真实视觉模式的重要手段而被广泛应用于医学图像处理、农业图像分割、食品质量监督、以及卫星图像分析等领域。

纹理分类的关键问题是如何对纹理进行描述。现有的纹理描述方法包括：灰度共生矩阵[1]、双向纹理函数[2]、局部二值模式[3]、仿射自适应方法[4]、模型方法（包括随机域模型[5]、自回归模型[6]、以及分形模型[7]等）、变换域方法（包括Gabor变换[8]、小波变换[9]等）、不变特征描述算子（例如Zernike矩[10]）等等。

由于纹理大多具有很强的频谱特性和方向性，而纹理分割又要求特征的表达具有局部性。因此纹理分类方法要求所采用的变换/滤波工具同时具有高的时间和频率分辨率。显然短时傅立叶变换、小波变换、Gabor变换、Wigner变换等时-频分析工具是理想之选。然而，包括Wigner变换和Gabor变换在内的许多时-频分析工具都希望所分析的信号是窄带信号。实际的纹理由于自身的形态或受到其它干扰，在频域或者空域中并不表现为窄带形式。另一方面，如果时-频变换中包含非线性项，则该方法将不可避免的受到交叉项的影响，有时这种影响是相当严重的以至于无法实现正确分割。虽然象Gabor这样的线性变换不受交叉项影响，但是通常来说这些线性方法的时-频分辨率却又不高。

分数傅里叶变换(Fractional Fourier Transform,FrFT)理论可以追溯到1937年。Candon首先提出了广义傅里叶变换的概念，1980年Namias明确提出了FrFT的概念，并给出了其数学定义和性质，讨论了变换的本征函数，1987年，McBirde和Kerr建立起了FrFT的理论体系。自此，FrFT的理论不断完善，并在光学、信号处理、图像加密等领域发挥作用。FrFT是傅立叶变换的推广形式，通过一种简单的方式实现了信号的从纯时间域到纯频率域的全过程的综合描述，能够展示出信号从纯时间域到纯频率域的所有变化特征。

研究表明FrFT与Cohen类时-频分布具有密切关系，信号的许多重要时频特性可以从其FrFT谱中获得。基于FrFT与信号时-频表示的密切，本发明提出一种基于分数傅里叶变换的纹理分类方法。

相关参考文献包括：

[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；