一种关于压缩感知理论的纹理分类方法.pdfVIP

第33卷第 1期 计 算 机 应 用 研 究 Vol_33No．1 2016年 1月 ApplicationResearchofComputers Jan．2016 一 种基于压缩感知理论的纹理分类方法 术 吴 迪 (湖南工程学院 电气信息学院，湖南 湘潭411004) 摘 要：针对传统纹理分类方法计算复杂的问题，基于bag—of-words模型提出了一种简单、新奇的纹理分类方 法。在特征提取阶段，使用 NSCT滤波器对局部 图像块进行映射投影 ，然后通过观测矩阵提取其随机测量值特 征；在纹理分类阶段，直接将随机特征嵌入到bag—of-words环境，并直接在压缩域 内进行学习和分类。利用纹理 图像的稀疏性，提出的特征提取方法简单，并且在性能和复杂度上都优于传统特征提取方法。最后使用CURET 数据库进行数值实验，并与patch、patch—MRF、MR8、LBP四种最经典的方法进行比对。结果表明，该方法在分类 精度以及实时性上有重要的改进。 关键词：稀疏表示；压缩感知；词袋模型；纹理分类 中图分类号：TP391．4 文献标志码：A 文章编号：1001-3695(2016)01·0291—05 doi：10．3969／j．issn．1001—3695．2016．O1．067 Textureclassificationmethodbasedon theoryofcompressedsensing W UDi (CollegeofElectrical＆InformationEngineering，HunanInstituteofEngineering，XiangtanHunan411004，China) Abstract：Accordingtothetheoriesofsparserepresentationandcompressedsensing，thispaperpresentedasimple，novel aDproachfortextureclassificationbasedonbag．of-wordsmode1．Atthefeatureextractionstage，itextractedasmallsetofran- dom featuresfrom localimagepatches．Itembeddedtherandom featuresintoabag·of-wordsmodeltoperform textureelassifi- cation：thus，carriedoutlearningandclassificationinacompresseddomain，yetbyleveragingthesparsenatureoftextureim。 ages，ourapproachoutperformed traditionalfeatureextractionmethodswhichinvolvedcarefuldesignandcomplexsteps．It conductedextensiveexperimentsontheCURETdatabases．Resultsshow thatourapproachleadstosignificantimprovementsin classificationaccuracyandinstantaneity． Keywords：sparserepresentation；compressedsensing；bag—of-wordsmodel；textureclassification 大多数特征提取方法集中于局部纹理信息的提取，以所给 0 引言