首页 理论教育多个半径纹理特征的优化融合方法

多个半径纹理特征的优化融合方法

【摘要】:显然,当取小的半径R值时,是在小的邻域内进行纹理特征检测,可获取微观的纹理特征;当取大的半径R值时,是在大的邻域内进行纹理特征检测,可获取宏观的纹理特征。因此,本章采用多个半径R值相结合的方法来捕获更丰富的宏观和微观的纹理图像特征,从而提高特征的鉴别能力。

DDT-CLBP算法有两个可调参数,即局部环形邻域的半径R和局部环形邻域上的像素点个数P,它们可组成一个参数对,常用的取值有(R, P)=(1, 8)、(2, 16)、(3, 24)。显然,当取小的半径R值时,是在小的邻域内进行纹理特征检测,可获取微观的纹理特征;当取大的半径R值时,是在大的邻域内进行纹理特征检测,可获取宏观的纹理特征。如果将小的半径R值和大的半径R值相结合,则可以同时提取微观和宏观的纹理特征。因此,本章采用多个半径R值相结合的方法来捕获更丰富的宏观和微观的纹理图像特征,从而提高特征的鉴别能力。

当采用多个半径R值时,如果所用的R值是连续变化的(如R=[1, 2,3, 4, 5]),由于局部区域内图像的灰度值一般是缓慢变化的,这导致在相邻半径对应的局部邻域内所提取的纹理特征会存在较多的冗余信息。因此,本章采用间隔选取半径R值的方法(如R=[1, 3, 5, 7, 9]),这样可减少所提取特征中的冗余信息。另外,如果所采用的半径R的个数过多,环形邻域的像素点个数P的值过大(如P=40),则需要对更多个数的邻域像素点进行特征提取,这会使本节所提出算法的计算量增大,从而导致算法的实时性降低。因此,为了使本章所提出的方法能够捕获丰富的纹理特征,并且具有较好的实时性,本章最终选择的参数值为邻域半径R=[1, 3, 5],上述三个半径R对应的邻域像素点个数P=[8, 12, 16],最后将上述三个半径对应的局部纹理特征进行级联融合,将其作为多个半径的纹理特征描述子。