1、紋理識(shí)別是計(jì)算機(jī)視覺領(lǐng)域一個(gè)重要的課題,本文在傳統(tǒng)的紋理分析方法基礎(chǔ)上,重點(diǎn)研究統(tǒng)計(jì)幾何特征、灰度梯度共生矩陣以及對(duì)數(shù)極坐標(biāo)變換,并與向量機(jī)結(jié)合構(gòu)建分類系統(tǒng)。
　　 針對(duì)圖像尺度變化和角度旋轉(zhuǎn)的影響,本文對(duì)具有紋理旋轉(zhuǎn)不變性的對(duì)數(shù)極坐標(biāo)變換方法進(jìn)行了分析。從視覺效果上看,尺度和方位不同的相似紋理所對(duì)應(yīng)的對(duì)數(shù)極坐標(biāo)圖像之間只是存在行移位現(xiàn)象。仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了對(duì)數(shù)極坐標(biāo)灰度共生矩陣比常用的灰度共生矩陣方法更加有效。另外分析灰度梯度

2、共生矩陣方法,通過(guò)將圖像的梯度信息與灰度共生矩陣相結(jié)合,使得共生矩陣更能反映圖像紋理基元的排列信息。
　　 本文針對(duì)圖像分類問(wèn)題,由于支持向量機(jī)具有堅(jiān)實(shí)的理論基礎(chǔ)與良好的分類性能,重點(diǎn)研究了支持向量機(jī)的多分類方法實(shí)現(xiàn),構(gòu)建了粗分類和細(xì)分類相結(jié)合的多分類器,實(shí)現(xiàn)了紋理圖像的準(zhǔn)確劃分,為有效紋理特征的表示奠定了基礎(chǔ)。通過(guò)對(duì)Brodatz紋理集中選取的74類的紋理進(jìn)行實(shí)驗(yàn),正確率達(dá)到了92％,對(duì)rotate紋理集的正確率達(dá)到99％。<