基于高斯尺度空间粗糙度描述子的花粉图像分类识别

摘要：

针对现有粗糙度描述子大多依赖于灰度值平均值,容易造成图像信息的丢失的问题,提出了一种新的基于高斯尺度空间粗糙度描述子的特征提取方法,并应用于花粉图像的分类和识别.首先,采用高斯金字塔算法,将花粉图像分割成不同层次的尺度空间;然后,在各个尺度空间上提取图像的粗糙度纹理特征;其次,通过计算粗糙度频率直方图的统计分布,提取不同尺度空间的粗糙度描述子(SSRHD);最后,采用欧氏距离计算图像的相似度.通过Confocal和Pollenmonitor图像库上的仿真结果表明,与基于隐马尔可夫模型的轮廓描述子(DHMMD)相比,该描述子在Confocal图像库上的平均正确识别率(CRR)提高了2.32％、平均错误识别率(FRR)降低了0.1％,而在Pollenmonitor图像库上的平均识别率也提高了1.2％.实验结果表明,该描述子能较好地描述花粉颗粒图像的纹理分布,对于花粉图像的旋转和姿态变化也具有良好的鲁棒性.

关键词：高斯金字塔、粗糙度、花粉识别、纹理特征、尺度空间

所属期刊栏目：35

分类号：TN911.73;TP391.413

资助基金：国家自然科学基金资助项目61375030

在线出版日期：2015-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：2039-2042