基於圖像紋理特徵隨機度信息的模式識別方法

2023-09-17 18:24:55

專利名稱：基於圖像紋理特徵隨機度信息的模式識別方法
技術領域：
本發明涉及圖像的模式識別和計算機視覺領域。特別是一種基於圖像紋理特徵隨機度信息的模式識別方法。
背景技術：
圖像紋理特徵信息的模式識別系統的研究，是模式識別和計算機視覺最感興趣的研究領域，廣泛應用於網際網路的圖像特徵信息檢索，圖像紋理分類，及紋理模式識別的生物測定學等。小波變換是利用特殊選擇的信號形成信號、系統和一系列過程的模型的數學理論。利用小波變換進行圖像模式識別是近期熱門的研究課題。典型的相關的研究有2002年MIT Press出版的《人腦理論與神經網絡手冊》第2版(The Handbook of Brain Theory and NeuralNetworks，2nd ed.)John Daugman的論文「Gabor小波與統計模式識別」″Gabor wavelets and statistical pattern recognition.″，1993年《IEEE模式分析與機器智能彙刊》(IEEE Transactions onPattern Analysis and Machine Intelligence)15卷11期上John Daugman的論文「基於統計無依賴測試的高可靠性的個體視覺識別」″High confidencevisual recognition of persons by a test of statistical independence.″1996年《IEEE模式分析與機器智能彙刊》(IEEE Transactions onPattern Analysis and Machine Intelligence)18卷8期上Manjunath，B.S.and Ma，W.Y.的論文《圖像數據的紋理特徵瀏覽和獲取》「texturefeatures for browsing and retrieval of image data」有一些專利申請中也提出利用Daubechies小波變換識別人虹膜的方法。
但上述內容與相關研究都以2D Gabor小波及其它如Haar，Daubechies小波等提取圖像紋理特徵為基礎實現。但重要的是這類小波提取圖像紋理特徵隨機度信息並不是最充分的，如John Daugman的論文「基於統計無依賴測試的高可靠性的個體視覺識別」中所述其隨機度能力DOF僅為173。另外還存在如何產生最大的編碼平均信息量和對外部成像條件不具敏感性或依賴性問題。

發明內容
本發明的目的是設計一種基於圖像紋理特徵隨機度信息的模式識別方法，本方法能提取圖像紋理特徵最大的隨機度(degrees of freedom)信息，具備產生最大的編碼平均信息量，並且對成像噪聲，電子增益，圖像對比度，圖像聚焦，背景照明等外部成像條件不具敏感性或依賴性。在紋理圖像特徵隨機度信息分析中，最重要原則是採用多解析度分析尺度，多方向性的濾波或卷積內核集合(convolution kernels or filters sets)提取紋理特徵信息。
小波變換被認為是提取紋理特徵信息最合適的描述方法，這點已從生物視覺系統模型實驗得到充分證實.小波變換用於完成結合時頻/空間頻域多解析度帶通分析。
目前基於圖像紋理特徵隨機度信息的模式識別方法，主要包括以下步驟A、確定圖像紋理特徵信息類型；B、根據上述A中不同的圖像紋理特徵信息類型，定義相應的多分析尺度、多方向性小波；C、定義紋理圖像的小波變換提取圖像紋理特徵信息，產生編碼的隨機度信息源；D、根據上述C中編碼的隨機度信息源定義編碼方法，產生具備規範統一標準的紋理特徵編碼TextureCode；E、根據上述D中產生的紋理特徵編碼進行紋理特徵編碼間的概率相似度度量。
本發明提出用於圖像紋理特徵隨機度信息模式識別的小波變換為2D DOG(Derivatives of Gaussian)小波變換，定義其母函數或基本小波(basicwavelet)為Mn，m(x，y)＝(/x)n(/y)mexp[-(x2/2σx2+y2/2σy2)](1)＝(/x)nexp[-(x2/2σx2)](/y)mexp[-(y2/2σy2)]或Hn，m(x，y)＝exp(x2/4σx2+y2/4σy2)Mn，m(x，y)(2)＝exp(x2/4σx2+y2/4σy2){(/x)n(/y)mexp[-(x2/2σx2+y2/2σy2)]}＝exp(x2/4σx2)(/x)nexp[-(x2/2σx2)]exp(y2/4σy2)(/y)mexp[-(y2/2σy2)]上述母函數或基本小波經過空間平移，方向旋轉，解析度分析尺度膨脹變換後成為自相似(self-similar)小波簇集合(wavelet sets) 其中n，m階導數，滿足n，m同時不為0的要求；
s＝(0，1，2…N)為解析度分析尺度膨脹參量，x0，y0為空間平移參量，θ為方向旋轉角度參量，σx，σy為有效頻率帶寬參量。
歸因於時頻/空間頻域變換分析的反轉關係，解析度分析尺度膨脹參量s增大，通帶有效帶寬減小，通帶中心頻率向低頻成份移動，s過大能更有效的抑止圖像高頻噪聲，但空間頻域解析度降低；解析度分析尺度膨脹參量s減小，中心頻率向高頻成份移動，通帶有效帶寬增加，s過小能具有空間頻域高解析度，但易受圖像高頻噪聲幹擾。
在不同解析度分析尺度時，通帶品質(通帶中心頻率與通帶有效帶寬比值)大體上保持一致性，而與其它因素無關。這種時頻/空間頻域多解析度帶通分析特性與Gabor小波相同。
上述小波簇集合具備組成自封閉性和完備性。
上述定義(1)和定義(2)中具有以下重要特性定義(1)半正交性時； 定義(1)直流響應DC(Mn，m(x，y))＝0；定義(1)奇偶對稱性Mn，m(-x，-y)＝(-1)n+mMn，m(x，y)；定義(2)完全正交性＜Hn，m(x，y)，Hn′，m′(x，y)＞＝n！m ！2πδn，n′δm，m′＝n！m！2πδnm，n′m′；定義(2)直流響應 定義(2)奇偶對稱性Hn，m(-x，-y)＝(-1)n+mHn，m(x，y)；上述定義(1)中基本小波具有理想的帶通特徵，它無直流響應，即它是允許小波(滿足相容性條件)。
上述定義(2)中基本小波具有重要的完全正交性特徵，即意味著使用該小波變換方法提取紋理特徵隨機度信息是無冗餘的，進一步的說該方法能最大化編碼的平均信息量。
定義(1)中半正交性，即表明其定義存在信息冗餘的表達方式。但正如視網膜神經中樞節細胞的接受場模型(receptive field of retinal ganglioncells)表證了生物視覺系統模型是充分冗餘的。
生物視覺系統在進化的過程中採用信息冗餘的方式是其為適應環境變化產生的能力，根本的目的是增強視覺系統強壯性和穩定性與適應性。實驗證實在有生命的生物視覺系統中，冗餘是必備的生理功能，即使失去部分單元。
定義(1)提供了用於描述紋理特徵信息冗餘方式，但相比定義(2)很明顯存在冗餘引進的部分相關性，使編碼的平均信息量有一定下降。
歸因於定義(2)中2D DOG小波存在直流響應，為了使後續的TextureCode(紋理特徵編碼)無依賴於實際應用時成像條件，強制屏蔽其直流(DC)響應輸出，它可等效於使直流響應輸出為0屬性。
本發明定義紋理圖像I(x，y)的2D DOG小波變換表達為 事實上，上述參量(n，m，s，x0，y0，θ)可以認為是本發明定義的圖像紋理特徵隨機度信息表達。更確切地說應該是隨機度信息(n，m，s，x0，y0，θ)通過2D DOG小波變換反映，描述和提取原始存在於圖像中的紋理特徵信息。
因此以上描述的WM(n，m，s，x0，y0，θ)或WH(n，m，s，x0，y0，θ)更進一步作為本發明定義的，用於產生圖像紋理特徵信息編碼的隨機度信息源。該信息源包含了編碼所需的最大化紋理特徵信息隨機度信息。
2D DOG小波變換具有明顯的生物視覺系統支持，視網膜神經中樞節細胞具有組合不同空間/頻域和時間的響應特性，和進一步在特定的空間尺度和常數時間間隔用於圖像積差分算子(image operators ofintegro-differential)變換。最後處理的信息被用於大腦的主視覺皮層(visual cortex)進行更深入的神經信息分析處理。
多分析尺度，多方向性的小波變換的過零(zero-crossings)信息是描述紋理特徵信息的最重要的特性，對於滿足Logan法則(Logan’s Theorem)的帶通帶限(band-limited)的信號，它的過零信息是最充分的，能除常數因素外重建原始信號。
本發明定義圖像紋理特徵隨機度信息的二進位量子化編碼算子為 或相應的
通過採用上述二進位量子化編碼方法採樣所有參量(n，m，s，x0，y0，θ)，產生具備規範統一標準的紋理特徵編碼TextureCode。所說的規範統一標準的紋理特徵編碼是採用編碼的隨機度信息源的採樣參量(n，m，s，x0，y0，θ)規範化排列採樣生成，目的是為了1)產生獨立的二進位位元編碼位的任意周期循環的鄰近狀態都僅有1位編碼位改變，它可有效地避免鄰近狀態產生多位編碼位被隨機改變；2)為下述步驟的圖像紋理特徵編碼間相似度的度量奠定可規範化度量基礎；本發明定義編碼的隨機度信息源過零符號信息二進位量子化的編碼方法，它具備對最大化紋理特徵隨機度信息源的完備編碼。
紋理特徵編碼對結合空間頻域帶通信號特徵採樣。本發明描述的紋理特徵編碼採用對給定s解析度分析信號的頻率帶上的至少Nyquist sampling採樣生成方法。即，在給定解析度分析信號的頻率帶上，紋理特徵編碼通過2倍的其最大有效頻率採樣生成。實際應用時，給定解析度分析信號的頻率帶上的Nyquist sampling是編碼採樣至少的底限。
如此的編碼採樣方法，因為根據信號的不同的多解析度分析的頻率帶寬的倍頻程分布(事實上，中心頻率也呈倍頻分布)，本發明描述的紋理特徵編碼採樣對不同的多解析度分析信號(即不同的s)採用了相應的多解析度比例採樣方法。即紋理特徵編碼對不同的多解析度分析信號相應的採樣比例為2-s。比如不同的多解析度為s＝0與s＝1時分析信號，相應的採樣比例為2∶1。
上述的編碼採樣方法對紋理特徵信號的幹擾效應(disturbing effect)(或稱為擾動效應)和信號的平移效應(translational effect)更具可靠性和穩定性。
本發明描述的相似度度量方法採用先驗條件概率對圖像紋理特徵編碼(TextureCode)實施概率相似度度量。
定義圖像紋理特徵編碼TextureCode1和TextureCode2間的先驗條件概率相似度度量為P(TextureCode1,TextureCode2)=P(A)=i=1NP(A|Bi)P(Bi)]]>i=1NP(A|Bi)=1]]>其中N為圖像紋理特徵編碼(TextureCode)間全體特徵編碼位元對數量；P(TextureCode1，TextureCode2)＝P(A)表示為具有N位元對的圖像紋理特徵編碼間相似度度量的概率。
P(Bi)，表示為圖像紋理特徵編碼間第Bi位元對相似度度量的獨立匹配概率。
P(Bi)定義為
P(Bi)1when Bi TextureCode 1＝Bi TextureCode20when Bi TextureCode 1≠Bi TextureCode2P(A|Bi)，表示為第Bi位元所具備的先驗條件概率。當然如此的先驗條件概率由按概率統計學原理先驗對(n，m，s，x0，y0，θ)隨機度發生的條件概率分布特徵產生。
此源於圖像紋理特徵隨機度信息本身存在的不均衡性，在隨機度信息源中參量的相關性或無依賴性決定了其條件概率分布特徵。它也決定了編碼平均信息量的分布特徵。
本發明定義的上述二進位量子化編碼方法結合先驗條件概率相似度度量方法，具備產生最大化紋理特徵隨機度信息源的完備編碼和對成像噪聲，電子增益，圖像對比度，圖像聚焦，背景照明等外部成像條件不具敏感性或依賴性。對外部成像條件不具敏感性或依賴性這點可以通過分析二進位量子化編碼的過零符號信息特性和具有模糊匹配特性的概率相似度度量理解。這也是解決了模式識別系統應用的關鍵因素。
事實上，上述2D DOG小波定義是具有廣義性質，其隨機度模型參量複雜度高，編碼平均信息量分布不均衡。在實際應用時，採用生物視覺系統的頻率-方向性通道(channels of frequency-orientation)分布原理，簡化定義2DDOG小波變換的母函數或基本小波(basic wavelet)為Mn(x，y)＝(/x)nexp[-(x2/2σx2+y2/2σy2)]＝exp[-(y2/2σy2)](/x)nexp[-(x2/2σx2)]或Hn(x，y)＝exp(x2/4σx2+y2/4σy2)Mn(x，y)＝exp[-(y2/4σy2)]exp(x2/4σx2){(/x)nexp[-(x2/2σx2)]}如上所描述經過空間平移，方向旋轉，解析度分析尺度膨脹變換後成為自相似(self-similar)小波簇集合 事實上，上述這種基於生物視覺系統的頻率-方向性通道分布原理的空間頻域多解析度帶通分析特性的小波已被應用證實。
相應的紋理圖像I(x，y)的簡化定義2D DOG小波變換表達為 上述小波變換表達採用FFT(Fast Fourier Transform)卷積算法大大提高了圖像分析處理的速度。WM(n，s，x0，y0，θ)或WH(n，s，x0，y0，θ)用於產生圖像紋理特徵編碼的隨機度信息源。
定義圖像紋理特徵的二進位量子化編碼算子為 或相應的 當圖像紋理特徵隨機度信息具有空間結構等方向性(isotropic)，或圓對稱性(circularly symmetric)時，進一步定義上述2D DOG小波變換的母函數或基本小波(basic wavelet)為Mn(x，y)＝[(/x)n+(/y)n]exp[-(x2/2σ2+y2/2σ2)]＝exp[-(y2/2σ2)](/x)nexp[-(x2/2σ2)]+exp[-(x2/2σ2)](/y)nexp[-(y2/2σ2)]或Hn(x，y)＝exp(x2/4σ2+y2/4σ2)Mn(x，y)＝exp[-(y2/4σ2)]exp(x2/4σ2){(/x)nexp[-(x2/2σ2)]}+exp[-(x2/4σ2)]exp(y2/4σ2){(/y)nexp[-(y2/2σ2)]}如上所描述經過空間平移，解析度分析尺度膨脹變換後成為自相似(self-similar)小波簇集合 很明顯的，上述定義的2D DOG小波具有空間結構等方向性或圓對稱性，這對於提取具相同特性的圖像紋理特徵信息具有最大的編碼平均信息量和隨機度信息。
相應的紋理圖像I(x，y)的2D DOG小波變換表達為 圖像紋理特徵的二進位量子化編碼算子為 或相應的
事實上，本發明所描述的上述3種不同類型的2D DOG小波定義完全取決於圖像紋理特徵信息類型，如空間結構等方向性或圓對稱性，模型參量的相關性，模型參量複雜度等。在實際應用時，首先根據不同的圖像紋理特徵信息類型定義，以實現模式識別系統複雜度與性能的共優，即實現具有最大化的編碼平均信息量和隨機度信息。
本發明的基於圖像紋理特徵隨機度信息的模式識別方法，具有以下優點1.本發明定義的2D DOG小波具有提取圖像紋理特徵信息充分豐富隨機度的能力，並且具有生物視覺系統可靠性和穩定性的支持。
2.本發明定義的2D DOG小波變換產生的圖像紋理特徵信息編碼的隨機度信息源具有最大化。
3.本發明的模型參量可以應用於不同的圖像紋理特徵信息類型，以實現模式識別系統複雜度與性能的共優，即實現具有最大化的編碼平均信息量和隨機度信息。
4.本發明的二進位量子化編碼方法結合先驗條件概率相似度度量方法，它們具備產生最大化紋理特徵隨機度信息源的完備編碼和對外部成像條件不具敏感性或依賴性。
5.本發明的紋理特徵編碼採樣方法具有結合多分辨空間頻域帶通信號特徵，對幹擾效應和平移效應更具可靠性和穩定性。
6.本發明的編碼方法和相似度度量方法基於二進位描述，能實現便於計算機二進位高效處理的優點。
具體實施例方式實施例1現以生物測定學中虹膜的紋理特徵隨機度信息的模式識別為本發明的具體實施例1。虹膜的紋理特徵信息具有高度的非基因外部條件決定的隨機複雜性特徵。
虹膜紋理圖像具有極坐標表達方式I(φ，r)，故本例中使用φ代表角度元素，r代表半徑元素，作為本發明2D DOG小波的變量。
本例採用上述具有生物視覺系統頻率-方向性通道分布特性，簡化定義2D DOG小波變換的母函數或基本小波(basic wavelet)的形式。代入本例的變量得Mn(φ，r)＝(/φ)nexp[-(φ2/2σφ2+r2/2σr2)]＝exp[-(r2/2σr2)](/φ)nexp[-(φ2/2σφ2)]或Hn(φ，r)＝exp(φ2/4σφ2+r2/4σr2)Mn(φ，r)＝exp[-(r2/4σr2)]exp(φ2/4σφ2)(/φ)nexp[-(φ2/2σφ2)]上述母函數或基本小波經過空間平移，方向旋轉，分析尺度膨脹變換後成為自相似(self-similar)小波簇集合
在本例中n為階導數，取n＝(1，2，3，4)。
s＝(0，1，2)為解析度分析尺度膨脹參量，取s＝(0，1，2)。
φ0，r0為角度和半徑平移參量。
θ為方向旋轉角度參量，取θ＝(0，π/4，3π/4)，排除θ＝π/2，因為在此方向上，主要存在紋理特徵信息的相關性。當然也可取θ＝(0，π/6，π/3，2π/3，5π/6)。
σφ，σr為角度和半徑有效頻率帶寬參量。
在採用Hn，s，φ0，r0，θ(φ，r)時，強制屏蔽其直流(DC)響應輸出。
本例定義虹膜紋理圖像I(φ，r)的2D DOG小波變換表達為 WM(n，s，φ0，r0，θ)或WH(n，s，φ0，r0，θ)作為本例產生虹膜紋理特徵信息編碼的隨機度信息源。
本例定義的隨機度參量(n，s，φ0，r0，θ)通過2D DOG小波變換反映，描述和提取原始存在於虹膜紋理圖像I(φ，r)中的紋理特徵信息。
本例定義虹膜紋理特徵的二進位量子化編碼算子為 或相應的 通過採用上述二進位量子化編碼方法採樣所有參量(n，s，φ0，r0，θ)，產生具備規範統一標準的虹膜紋理特徵編碼TextureCode。
虹膜紋理特徵編碼對結合空間頻域帶通信號特徵採樣，本例中編碼採樣方法為虹膜紋理特徵編碼採用對給定s解析度分析信號的頻率帶上的至少Nyquist sampling採樣生成方法。即，在給定s解析度分析信號的頻率帶上，虹膜紋理特徵編碼通過2倍的其最大有效頻率採樣生成。
根據虹膜紋理特徵信號不同的多解析度分析，如此的編碼採樣方法採用了相應的多解析度比例採樣。即虹膜紋理特徵編碼對不同的多解析度分析信號相應的採樣比例為2-s。如本例中s＝0，1，2時，相應的虹膜紋理特徵編碼採樣比例為4∶2∶1。
本例定義虹膜紋理特徵編碼TextureCode1和TextureCode2間的先驗條件概率相似度度量為P(TextureCode1,TextureCode2)=P(A)=i=1NP(A|Bi)P(Bi)]]>i=1NP(A|Bi)=1]]>其中N為虹膜紋理特徵編碼(TextureCode)間全體特徵編碼位元對數量；P(TextureCode1，TextureCode2)＝P(A)表示為具有N位元對的虹膜紋理特徵編碼間相似度度量的概率。
P(Bi)，表示為虹膜紋理特徵編碼間第Bi位元對相似度度量的獨立匹配概率。P(Bi)定義為P(Bi)1when Bi TextureCode1＝Bi TextureCode20when Bi TextureCode1≠Bi TextureCode2P(A|Bi)，表示為第Bi位元所具備的先驗條件概率。
本例在虹膜紋理特徵編碼相似度度量時，最特別的是虹膜紋理的隨機度信息分布主要在角度方向，半徑方向主要存在紋理特徵信息的相關性，即所包含的隨機度信息極低。如上所述，故在此方向上，即方向旋轉θ＝π/2時相應特徵編碼位元的條件概率可不考慮，更進一步為提高編碼的平均信息量，可不參與編碼。在此具體實施例中先驗條件概率P(A|Bi)得以相應反映，如θ＝(0，π/4，3π/4)，可取相應的先驗條件概率比例關係為2∶1∶1。
採用上述本發明描述的方法，具體實施例通過John Daugman的論文「基於統計無依賴測試的高可靠性的個體視覺識別」所述的隨機度統計方法，獲得的虹膜紋理的隨機度DOF為220以上，與該文中所得隨機度能力DOF為173相比，本發明提供的方法提取紋理特徵信息隨機度更充分更豐富。
實施例2本發明以近地衛星光學成像的紋理圖像識別為具體實施例2。在實際應用時，分析此類圖像紋理特徵信息的隨機度特徵，需要考慮圖像紋理特徵隨機度信息具有空間結構等方向性或圓對稱性，此假定在統計分布上是正確的，另外本例說明使用本方法提高了分析處理的速度。
實施例2定義2D DOG小波變換的母函數或基本小波為Mn(x，y)＝[(/x)n+(/y)n]exp[-(x2/2σ2+y2/2σ2)]＝exp[-(y2/2σ2)](/x)nexp[-(x2/2σ2)]+exp[-(x2/2σ2)](/y)nexp[-(y2/2σ2)]或Hn(x，y)＝exp(x2/4σ2+y2/4σ2)Mn(x，y)
＝exp[-(y2/4σ2)]exp(x2/4σ2){(/x)nexp[-(x2/2σ2)]}+exp[-(x2/4σ2)]exp(y2/4σ2){(/y)nexp[-(y2/2σ2)]}如前所述經過空間平移，解析度分析尺度膨脹變換後成為自相似(self-similar)小波簇集合 本例中n為階導數，取n＝(1，2，3，4)。
s＝(0，1，2，3)為解析度分析尺度膨脹參量，取s＝(0，1，2，3)。
x0，y0為平移參量。
σ為有效頻率帶寬參量。
很明顯，上述2D DOG小波具有空間結構等方向性或圓對稱性，這對於提取具相同特性的圖像紋理特徵信息具有最大的編碼平均信息量和隨機度信息。同時用此小波變換提高了圖像分析處理的速度。
本例中紋理圖像I(x，y)的2D DOG小波變換表達為 上述小波變換表達採用FFT(Fast Fourier Transform)卷積算法大大提高了圖像分析處理的速度。
本例中圖像紋理特徵的二進位量子化編碼算子為 或相應的 採用上述二進位量子化編碼方法採樣所有參量(n，s，x0，y0)，產生具備規範統一標準的圖像紋理特徵編碼TextureCode。
圖像紋理特徵編碼對結合空間頻域帶通信號特徵採樣，本例中圖像紋理特徵編碼採用對給定s解析度分析信號的頻率帶上的至少Nyquist sampling採樣生成方法。即，在給定s解析度分析信號的頻率帶上，圖像紋理特徵編碼通過2倍的其最大有效頻率採樣生成。
根據圖像紋理特徵信號不同的多解析度分析，本編碼採樣方法採用了相應的多解析度比例採樣。即圖像紋理特徵編碼對不同的多解析度分析信號相應的採樣比例為2-s。本例中s＝0，1，2，3時，相應的圖像紋理特徵編碼採樣比例為8∶4∶2∶1。
本例中定義圖像紋理特徵編碼TextureCode1和TextureCode2間的先驗條件概率相似度度量為P(TextureCode1,TextureCode2)=P(A)=i=1NP(A|Bi)P(Bi)]]>i=1NP(A|Bi)=1]]>其中N為圖像紋理特徵編碼(TextureCode)間全體特徵編碼位元對數量；P(TextureCode1，TextureCode2)＝P(A)表示為具有N位元對的圖像紋理特徵編碼間相似度度量的概率。
P(Bi)，表示為圖像紋理特徵編碼間第Bi位元對相似度度量的獨立匹配概率。P(Bi)定義為P(Bi)1when Bi TextureCode1＝Bi TextureCode20when Bi TextureCode1≠Bi TextureCode2P(A|Bi)＝1/N，表示為第Bi位元所具備的先驗條件概率。
本實施例在圖像紋理特徵編碼相似度度量時，根據其空間結構等方向性或圓對稱性，即圖像紋理特徵信息所包含的隨機度信息為等概率分布。故在具體實施例中先驗條件概率P(A|Bi)＝1/N，更進一步的提高了圖像分析處理的速度。
通過本發明公開的內容，本專業領域人員可理解本發明圖像紋理特徵信息的模式識別方法具備實現能提取圖像紋理特徵最大的隨機度，具備產生最大的編碼平均信息量、最大化紋理特徵隨機度信息源的完備編碼和對成像噪聲、電子增益、圖像對比度、圖像聚焦、背景照明等外部成像條件不具敏感性或依賴性。紋理特徵編碼採樣方法具有結合多分辨空間頻域帶通信號特徵，對幹擾(擾動)效應和平移效應更具可靠性和穩定性。本發明公開的內容也可用於各種不同類型的圖像紋理特徵信息的模式識別，如基於圖像紋理特徵的圖像信息檢索、或資料庫紋理圖像分類等。
權利要求
1.一種基於圖像紋理特徵隨機度信息的模式識別方法，其包括以下步驟A、確定圖像紋理特徵信息類型；B、根據上述A中不同的圖像紋理特徵信息類型，定義相應的多分析尺度、多方向性小波；C、定義紋理圖像的小波變換提取圖像紋理特徵信息，產生編碼的隨機度信息源；D、根據上述C中編碼的隨機度信息源定義編碼方法，產生具備規範統一標準的紋理特徵編碼TextureCode；E、根據上述D中產生的紋理特徵編碼進行紋理特徵編碼間的概率相似度度量；其特徵是所述的多分析尺度、多方向性小波為2D DOG小波，其小波變換的母函數或基本小波為Mn，m(x，y)＝(/x)n(/y)mexp[-(x2/2σx2+y2/2σy2)]＝(/x)nexp[-(x2/2σx2)](/y)mexp[-(y2/2σy2)]或Hn，m(x，y)＝exp(x2/4σx2+y2/4σy2)Mn，m(x，y)＝exp(x2/4σx2+y2/4σy2){(/x)n(/y)mexp[-(x2/2σx2+y2/2σy2)]}＝exp(x2/4σx2)(/x)nexp[-(x2/2σx2)]exp(y2/4σy2)(/y)mexp[-(y2/2σy2)]上述母函數或基本小波經過空間平移，方向旋轉，解析度分析尺度膨脹變換後成為自相似小波簇集合 其中n，m階導數，滿足n，m同時不為0的要求；s＝(0，1，2…N)為解析度分析尺度膨脹參量，x0，y0為空間平移參量，θ為方向旋轉角度參量，σx，σy為有效頻率帶寬參量；紋理圖像I(x，y)的2D DOG小波變換表達，為 WM(n，m，s，x0，y0，θ)或WH(n，m，s，x0，y0，θ)用於產生圖像紋理特徵編碼的隨機度信息源。
2.根據權利要求1所述的基於圖像紋理特徵隨機度信息的模式識別方法，其特徵是所述2D DOG小波變換的母函數或基本小波的簡化定義為Mn(x，y)＝(/x)nexp[-(x2/2σx2+y2/2σy2)]＝exp[-(y2/2σy2)](/x)nexp[-(x2/2σx2)]或Hn(x，y)＝exp(x2/4σx2+y2/4σy2)Mn(x，y)＝exp[-(y2/4σy2)]exp(x2/4σx2){(/x)nexp[-(x2/2σx2)]}上述母函數或基本小波經過空間平移，方向旋轉，解析度分析尺度膨脹變換後成為自相似小波簇集合 紋理圖像I(x，y)的2D DOG小波變換表達，為
3.根據權利要求1所述的基於圖像紋理特徵隨機度信息的模式識別方法，其特徵是當圖像紋理特徵隨機度信息具有空間結構等方向性，或圓對稱性時，進一步定義上述2D DOG小波變換的母函數或基本小波為Mn(x，y)＝[(/x)n+(/y)n]exp[-(x2/2σ2+y2/2σ2)]＝exp[-(y2/2σ2)](/x)nexp[-(x2/2σ2)]+exp[-(x2/2σ2)](/y)nexp[-(y2/2σ2)]或Hn(x，y)＝exp(x2/4σ2+y2/4σ2)Mn(x，y)＝exp[-(y2/4σ2)]exp(x2/4σ2){(/x)nexp[-(x2/2σ2)]}+exp[-(x2/4σ2)]exp(y2/4σ2){(/y)nexp[-(y2/2σ2)]}；如上所描述經過空間平移，解析度分析尺度膨脹變換後成為自相似小波簇集合 紋理圖像I(x，y)的2D DOG小波變換表達為
4.根據權利要求1所述的基於圖像紋理特徵隨機度信息的模式識別方法，其特徵是編碼方法採用編碼的隨機度信息源過零符號信息二進位量子化的編碼方法，圖像紋理特徵隨機度信息的二進位量子化編碼算子為 或相應的
5.根據權利要求2所述的基於圖像紋理特徵隨機度信息的模式識別方法，其特徵是編碼方法採用編碼的隨機度信息源過零符號信息二進位量子化的編碼方法，圖像紋理特徵隨機度信息的二進位量子化編碼算子為 或相應的
6.根據權利要求3所述的基於圖像紋理特徵隨機度信息的模式識別方法，其特徵是編碼方法採用編碼的隨機度信息源過零符號信息二進位量子化的編碼方法，圖像紋理特徵隨機度信息的二進位量子化編碼算子為 或相應的
7.根據權利要求1～6中任一項所述的基於圖像紋理特徵隨機度信息的模式識別方法，其特徵是所述的規範統一標準的紋理特徵編碼是採用編碼的隨機度信息源的參量規範化排列採樣生成。
8.根據權利要求1～6中任一項所述的基於圖像紋理特徵隨機度信息的模式識別方法，其特徵是所述的紋理特徵編碼是採用對給定解析度分析的信號頻率帶上的至少Nyquist sampling採樣生成方法。
9.根據權利要求1～6中任一項所述的基於圖像紋理特徵隨機度信息的模式識別方法，其特徵是所述的紋理特徵編碼間的概率相似度度量採用先驗條件概率進行概率相似度度量。
全文摘要
本發明為基於圖像紋理特徵隨機度信息小波變換的模式識別方法，提供了2D DOG小波變換的母函數、其經過方向空間變換後的自相似小波簇集合及用於產生圖像紋理特徵信息編碼隨機度信息源的變換表達，並提供了其簡化定義和圖像紋理特徵隨機度信息具有空間結構等方向性或圓對稱性時的定義。本方法產生最大化的圖像紋理特徵信息編碼的隨機度信息源、最大的編碼平均信息量，二進位量子化編碼方法結合先驗條件概率相似度度量方法產生最大化紋理特徵隨機度信息源的完備編碼和對外部成像條件不具敏感性或依賴性。紋理特徵編碼採樣方法具有結合多分辨空間頻域帶通信號特徵，對幹擾效應和平移效應更具可靠性和穩定性。
文檔編號G06K9/46GK1598867SQ20041004068
公開日2005年3月23日 申請日期2004年9月10日 優先權日2004年9月10日
發明者倪蔚民 申請人:倪蔚民