基于随机特征字典的纹理分类方法

• 作者: 廖重阳 徐小红 沈仁明 王教余
• 来源期刊: 计算机应用研究
• 关键词: 稀疏表示 字典学习 纹理分类 纹理全局特征提取
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 图形图像技术
• 页码范围: 303-306
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.01.071

摘要

为解决稀疏表示在提取全局纹理特征时受维数限制的问题,提出一种基于随机特征字典的特征提取及分类方法.方法利用稀疏系数中非零系数的分布特点,统计各图像块在稀疏分解过程中字典原子的使用频率,得到能突出纹理在稀疏域类别信息的直方图特征,进而实现分类.为提高分类准确率,通过随机投影将多尺度多方向的小波特征进行融合,并对其训练得到纹理描述能力更强的小波随机特征字典.在分类实验中,其分类准确率达94.79％,并能在噪声、光照条件影响下获得较好的鲁棒性,在分析全局纹理特征方面具有高效、稳定的特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐小红	合肥工业大学计算机与信息学院	20	63	5.0	7.0
2	廖重阳	合肥工业大学计算机与信息学院	3	14	2.0	3.0
3	沈仁明	合肥工业大学计算机与信息学院	3	10	2.0	3.0
4	王教余	合肥工业大学计算机与信息学院	3	10	2.0	3.0