基于Contourlet变换和不变矩的纹理特征提取与分类

作者： 岳丽娟 ; 吴锡生

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.

关键字： contourlet变换 不变矩 特征加权 RBF神经网络 提取分类

---

上一篇：基于模糊语义的本体概念相似度计算算法
下一篇：数字图像角点融合匹配方法研究