[发明专利]一种基于多尺度反馈度量学习的纹理图像分类方法

说明书

一种基于多尺度反馈度量学习的纹理图像分类方法，涉及模式识别与图像处理技术领域，包括以下步骤：使用轮廓波变换对训练纹理图像和测试纹理图像进行处理，得到训练纹理图像和测试纹理图像的轮廓波子带；由轮廓波子带中提取相异增量生成直方图特征；通过建立模型学习求出纹理图像类距离定义中子带距离的权重W并通过循环不断修正W，利用W计算剩余测试纹理图像与每个类别训练样本的距离从而实现分类。本发明有益效果：解决了目前图像纹理表示和分类中轮廓波子带的不平衡导致的纹理分类正确率较低的问题，具有分类精确性高、稳健性强等特点，具有很高的实际应用价值。

技术领域

本发明涉及模式识别与图像处理技术领域，具体地说是一种基于多尺度反馈度量学习的纹理图像分类方法。

背景技术

轮廓波变换是一种非常有效的图像方向多尺度变换。轮廓波子带的有效建模和特征提取是构建图像纹理表示的一个重要步骤。自从轮廓波变换被提出之后，基于轮廓波的图像处理和识别方法逐渐涌现出来。轮廓波变换被广泛地应用在图像处理和识别的各个分支问题中，为当前的图像处理和识别水平提高做出了重大贡献，也为人类科技发展水平的提高起到了较大的促进作用。因此，在过去的十多年里，关于轮廓波和的研究一直受到人们的高度重视。

图像纹理表示和分类是模式识别和图像处理中的一个重要研究课题。图像纹理分类指通过给定标签的图像纹理块训练分类器，然后对待分类的图像纹理块进行分类的问题，也是一种图像识别问题。不过，纹理分类重点关注的是纹理图像的分类，尤其关注图像的纹理信息。在人们生活工作中，图像纹理分析技术可以广泛地应用到图像识别，纹理修补等领域，因此，图像纹理表示和分类一直是图像处理和识别技术研究的热点方向之一。最近数十年，研究人员提出了大量图像纹理表示和分类方法，目前图像纹理分类方法大致可以分为两大类：基于空间域的纹理分类方法和基于变换域的纹理分类方法。近些年基于多尺度变换域的纹理方法受到了广泛的关注，但是，这些基于多尺度变换域的纹理分类方法往往忽略多尺度子带的不平衡问题，从而导致所构建的纹理分类方法的正确率不够理想。

发明内容

本发明所要解决的技术问题是提供一种基于多尺度反馈度量学习的纹理图像分类方法，解决目前图像纹理表示和分类中轮廓波子带的不平衡导致的纹理分类正确率较低的问题。

本发明为解决上述技术问题所采用的技术方案是：一种基于多尺度反

馈度量学习的纹理图像分类方法，包括以下步骤：

步骤一、给定C类纹理图像，将每一类纹理图像都分为两组，一组用于训练，称为训练纹理图像，另一组用于测试，称为测试纹理图像，然后使用轮廓波变换对训练纹理图像和测试纹理图像进行处理，得到训练纹理图像和测试纹理图像的轮廓波子带；

步骤二、由步骤一得到的训练纹理图像和测试纹理图像的轮廓波子带中提取相异增量生成直方图特征；

步骤三、通过整数剖分的方法，对测试纹理图像个数做剖分，并构建反馈步长向量V，V＝(v₁,v₂,…,v_τ)，其中τ为对测试纹理图像个数进行剖分的组数；

步骤四、令m＝1到τ-1，依次对反馈步长向量V进行遍历，进行如下循环，直到m≥τ-1：

(1)对于训练纹理图像轮廓波子带的相异增量生成的直方图特征，求解如下线性规划问题，以获得纹理图像类距离定义中子带距离的权重W：

使得