基于Gabor特征的稀疏表示纹理分割研究

摘要：

稀疏表示和字典学习在图像去噪、图像重建和模式识别等应用上取得了良好的效果，其利用稀疏系数和重构误差来作为模式分类的判别准则。稀疏表示纹理分割方法是将图像分割问题转换为像素点的分类问题。但通常稀疏表示分类方法是基于图像块特征，难以准确表征图像纹理信息。为了解决上述问题，提出基于Gabor特征的稀疏表示纹理分割方法。因为Gabor特征对图像纹理信息的鲁棒性，算法首先从每类纹理中选择一些像素点作为训练样本，计算其不同尺度和方向下的Gabor特征，将其作为初始化字典，通过判别性的字典学习算法（D?KSVD）更新字典，该字典学习算法在KSVD基础上使得字典更具有类别判别能力，最后以待分割图像的每个像素点作为测试样本，计算其Gabor特征。利用OMP算法得到测试样本在字典下的稀疏系数，根据稀疏系数得到类标签，进而对像素点进行分类，完成分割。通过在Brodatz纹理库上的实验结果表明，该方法有效提高了稀疏表示算法对纹理图像分割的正确率。

关键词：稀疏表示、字典学习、D-KSVD、Gabor

分类号：TN919-34

资助基金：国家自然科学基金61273251

在线出版日期：2015-06-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：73-77