[发明专利]一种有效多尺度纹理识别方法

权利要求书

1.一种有效多尺度纹理识别方法，其特征在于，包括以下步骤：

步骤1：输入测试图像T；

步骤2：计算测试图像T的图像金字塔，图像金字塔通过一个预定义的低通滤波器对输入图像进行迭代滤波；

步骤3：将基本的LBP算子应用到图像的每一个尺度上，将产生若干个直方图{H₀,H₁,…H_L}，对每个与之匹配尺度的直方图，其中L代表图像金字塔的最高层；

步骤4：用直方图相交计算两两直方图之间的相似度，计算出图像金字塔上每一尺度上的基本信任分配；

步骤5：将各尺度提供基本信任分配当作一个信息源，利用D-S证据理论去组合；

步骤6：最终的判定由设定的分配的最大值选择决定。

2.根据权利要求1所述的有效多尺度纹理识别方法，其特征在于：步骤2中所述的图像金字塔通过一个预定义的低通滤波器对输入图像进行迭代滤波，其具体实现过程是当输入测试图像T成为金字塔的最底层或者第0层时，第1层包含测试图像T₁，它是测试图像T的一个滤波版本，而且第2层的测试图像T₂是通过测试图像T₁滤波获得，依次进行迭代滤波。

3.根据权利要求1所述的有效多尺度纹理识别方法，其特征在于：步骤4中所述的两两直方图之间的相似度为

S(HX,HY)=Σn=1Bmin(HXΣn=1BHX,HYΣn=1BHY),]]>

其中H_X,H_Y分别表示测试图像和训练图像的直方图，其中训练图像来自Brodatz’s album以及MIT视频纹理数据库，B是两个直方图中bin的数量；基本信任分配m_s为

ms(T∈Ci)=Σj=1MiS(HT,HIij)Σi=1NΣj=1MiS(HT,HIij)]]>

其中，H_T表示测试图像直方图，表示测试图像数据集中第i行j列图像，表示两个直方图之间的相似度，通过上式计算在尺度s上的基本信任分配m_s，当作一个信息源去判定测试图像T属于哪一类。