首页 理论教育探讨存在的问题与解决方案

探讨存在的问题与解决方案

【摘要】:5.在工程领域的应用范围和应用深度不足纹理图像在现实世界中广泛存在,这决定了纹理图像的特征提取和识别技术具有无可限量的应用前景和潜力。

从以上的研究现状分析可以看出,虽然在过去几十年纹理图像的特征提取和识别技术获得了很大的发展,但目前仍存在一些不足之处有待解决。

1.过度强调纹理识别精度的提高,导致算法的实时性不足

目前存在的大部分纹理图像特征提取和识别算法都把研究重点放在如何提高纹理图像的识别精度上,忽略了算法的实时性指标,不能同时获得较高的识别精度和较好的实时性。例如,纹理基元学习类算法虽然能获得较高的纹理识别精度,但其实时性很差,导致这类算法在实时性要求较高的场景中失去了应用价值。

2.对纹理图像所包含信息的挖掘不充分,导致特征描述子的鉴别能力不足

虽然Gabor小波具有优良的特性,但现有的Gabor滤波算法只利用滤波后幅值图像的均值和标准差作为纹理图像的识别特征,这种特征描述过于粗略,没有充分发挥Gabor小波的优势,也没能充分挖掘纹理图像所包含的丰富信息,所提取的纹理特征缺乏鉴别力,导致这类算法的纹理识别精度较低。

3.对光照条件、图像旋转、尺度变化和训练样本个数等因素的综合稳健性不足

要识别的纹理图像可能是在不同的光照条件、旋转角度和尺度条件下拍摄的,即便是同一个纹理样本,在不同的拍摄条件下获取的纹理图像也可能呈现出显著的差异;另外,在有些应用场景中,所能获取的带类别标记的训练样本个数非常有限。上述因素对纹理图像的特征提取和识别都具有重要影响,但现有算法缺乏对上述因素的综合稳健性,当出现上述多个因素的不利影响时,现有算法的纹理识别精度会变得很低。

4.对颜色信息的有效利用不足

现实中遇到的大部分纹理图像都是彩色纹理图像,而颜色信息也是极具鉴别性的视觉特征,但目前的大部分纹理图像特征提取算法都是针对灰度纹理图像进行研究的,即只利用灰度纹理特征,完全丢弃了颜色信息,这在一定程度上限制了彩色纹理图像的识别效果。虽然有些算法也试图引入颜色信息,但这些算法所采用的颜色信息提取方法复杂度高、计算量大,导致算法的实时性严重下降,无法应用于实时性要求高的场景。

5.在工程领域的应用范围和应用深度不足

纹理图像在现实世界中广泛存在,这决定了纹理图像的特征提取和识别技术具有无可限量的应用前景和潜力。虽然纹理图像识别技术目前已经在一些领域获得了应用,但其应用的广度和深度还需要进一步拓展和深化,纹理图像特征提取和识别技术在实际场景中的应用价值还有待进一步挖掘,从而能够进一步推动纹理图像特征提取和识别理论、方法和应用的发展。