1、圖像分類、對(duì)象檢測(cè)與識(shí)別、場(chǎng)景分類等工作都依賴于圖像特征的描述與提取。而紋理是人類視覺(jué)系統(tǒng)中使用頻率最高的特征之一。紋理提供了有關(guān)空間分布和亮度變換的信息,也描述了圖像表面的結(jié)構(gòu)安排。然而,盡管人類視覺(jué)系統(tǒng)很容易準(zhǔn)確地識(shí)別和描述紋理,但很難提取紋理特征,用于紋理分類以及不同的應(yīng)用領(lǐng)域。
　　本文首先研究了紋理特征提取算法,然后利用臺(tái)灣大學(xué)林智仁等開(kāi)發(fā)的LIBSVM系列軟件對(duì)圖像分類。本文作了以下幾個(gè)方面的研究。
　　(1)本

2、文研究了紋理分析常用的一些算法和圖像分類中的經(jīng)典算法?？偨Y(jié)出紋理圖像分類的基本思路。
　　(2)針對(duì)圖像旋轉(zhuǎn)對(duì)分類的影響,本文提出了具有旋轉(zhuǎn)不變性的Radon變換和小波變換結(jié)合的算法。旋轉(zhuǎn)圖像經(jīng)過(guò)Radon變換后,圖像相對(duì)于原圖來(lái)說(shuō)發(fā)生了平移。而小波變換恰好具有平移不變性。因此,將Radon變換與小波變換相結(jié)合,可以實(shí)現(xiàn)紋理圖像的旋轉(zhuǎn)不變性。
　　(3)為了實(shí)現(xiàn)同時(shí)具有多尺度性和圖像的統(tǒng)計(jì)特性,本文提出了將灰度共生矩陣和小波

3、變換結(jié)合的算法。針對(duì)結(jié)合的方式,提出了兩種不同的方法。一種是先對(duì)圖像進(jìn)行小波變換,然后再對(duì)變換后的圖像計(jì)算其灰度共生矩陣。而另一種是分別對(duì)原圖進(jìn)行小波變換和計(jì)算灰度共生矩陣,然后將分別提取出來(lái)的特征組合為紋理圖像的特征向量。最后利用支持向量機(jī)進(jìn)行分類。
　　(4)設(shè)計(jì)了整個(gè)實(shí)驗(yàn)功能模塊實(shí)現(xiàn)的過(guò)程。對(duì)懲罰因子C、核函數(shù)及其參數(shù)等對(duì)分類精度的影響進(jìn)行了實(shí)驗(yàn)。最后比較了各種紋理特征提取算法,以及在噪聲的干擾下對(duì)分類精度的影響。通過(guò)一系列