基于 Contourlet 变换和不变矩的纹理特征提取与分类

• 作者: 吴锡生 岳丽娟
• 来源期刊: 微电子学与计算机
• 关键词: contourlet变换 不变矩 特征加权 RBF神经网络 提取分类
• 年，卷（期）: 2013,（7）
• 页码范围: 124-127,132
• 页数: 5页
• 分类号: TP39
• 语种: 中文

摘要

本文提出了一种基于contourlet变换和不变矩的特征提取方法。它首先对图像进行contourlet变换用以多尺度多方向分析，然后提取变换后各子带系数的统计特性和不变矩特征，以构造特征矢量，在此基础上，根据不同子带特征分类能力的不同，对各子带数据的离散程度进行加权处理，为分类能力强的特征量赋予较大的权值，得到新的特征向量，最后利用RBF神经网络作为分类器进行分类。实验结果证明了该方法的有效性和良好的分类能力。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴锡生	江南大学物联网工程学院	81	560	14.0	18.0
2	岳丽娟	江南大学物联网工程学院	1	2	1.0	1.0