基于稀疏表示的纹理分类方法研究.pdf

A Dissertation Submitted for the Degree of Master Texture ClassificationMethod Based on Sparse Representation By Shen Renming Hefei University of Technology Hefei, Anhui, April, 2014 万方数据万方数据万方数据 I 致谢时光飞逝,转瞬间三年的硕士生活已接近尾声,回想起几年来的点点滴滴,深切感受到自己是在多位老师、同学和亲朋好友的关爱凝聚下,才一步一步地走到今天。至此,谨向三年来所有指导、帮助和关心过我的师友表示衷心的感谢! 首先我要感谢我的导师徐小红副教授三年来对我孜孜不倦的教导。徐老师严谨的治学精神,精益求精的工作态度,敏锐的学术洞察力和开阔的学术思维都深深地感染和激励着我,使我的科研能力、理论水平、研究方法、组织与协调能力等方面得到很大的提高;在获取知识的同时,徐老师平易近人的作风对我产生了深刻的印象,在我成长道路上给予的殷切关怀我将终生不忘。其次,我要感谢培育我的图像信息处理研究室,以及实验室所有老师和同学。特别感谢高隽教授,高老师平时教导我们的一些做人、做事道理终生受益; 感谢实验室张旭东教授、谢昭副研究员、胡良梅副教授、范之国副教授、孙永宣老师、张俊老师、王玲妹老师等对我学业方面的指导。另外,感谢徐华敏、王飞、张春阳三位室友,崔扬、王教余、廖重阳、张洋、屈光中等师兄弟妹, 以及张启祥、李放、王俊、刘渠芬、程乐红等各位同学对我学****生活上的帮助,从你们身上学到许多闪光的东西,和你们在一起的日子是充实的、快乐的, 是我一生中难以忘却的美好时光;感谢马克思主义学院武晓妹同学,在我遇到困难挫折时,是你的鼓励和支持使我重拾信心。同时要对我的家人致以最深情的敬意,他们用无私的爱给予我默默的关心和支持。是他们给我撑起一片蓝天,使我能够安安心心地进行学****和研究,祝他们生活安康! 临近毕业,往事种种,浮现脑海,仍清晰记得研讨会时与师兄弟妹们的激烈争辩,还能感受到实验结果出来时的那份激动之情,难忘与各位一起走过的青葱岁月,不舍那秀丽的斛兵塘。吃水不忘挖井人,今后必将努力工作,回报母校,回报亲朋! 作者:沈仁明 2014年4月9日万方数据 II 摘要纹理是自然图像中的重要信息,纹理反映了物体表面的固有属性。在纹理分析领域中,实现纹理的有效描述是关键技术之一。纹理种类众多,形式多样,这为描述纹理带来了一定困难。稀疏表示是当今信号处理领域中的一个热点研究方向,信号经过稀疏表示后可得到一种简单有效的表示。本文在稀疏表示理论基础之上,将稀疏表示引入到纹理描述中,研究纹理图像的稀疏表示模型,对在时域较复杂的纹理进行稀疏分解以得到其尽量简单、有效的描述,并成功将此模型应用到纹理分类中。论文的主要研究内容及创新点归纳如下: ,研究纹理图像的稀疏表示模型。图像的纹理较复杂, 高频成分较多,在简单的基底下难以达到纹理图像稀疏描述的目的。为此,文中对字典学****方法进行了研究,并通过字典学****方法为纹理图像训练得到自适应字典,从而得到纹理的最佳稀疏表示。此外,稀疏表示在全局纹理描述时将遇到庞大的计算量, 为此,本文研究基于图像块的纹理描述方法,并实现将局部纹理描述有效转化成全局纹理描述。 ,通过稀疏分解可建立图像块与字典原子间一对多的映射关系,并利用此映射关系实现了纹理分类。为减少计算时间, 在稀疏分解之前,利用图像块与字典原子间的相关性,对冗余字典进行裁剪,提高了方法效率。 ,增强字典的描述能力,研究一种判别性字典学****方法,并将其应用于实现纹理分类。基于判别性字典的纹理分类方法中,将特征变换矩阵融入到字典学****目标函数中,在字典训练的同时训练特征变换矩阵。通过将稀疏系数变换到特征空间中以实现分类。关键词:稀疏表示;纹理分类;字典学****纹理描述万方数据 III Abstract Texture is importantinformation innatural images,since it reflects the inherent nature of object's surface. In the field of texture analysis, describing the texture effectively is one of the key technologies. However, the various categories and contents of textures increase the difficulty of tex