Contourlet变换和分形维的图像特征提取与识别

摘要：

针对图像单一特征量目标识别率不高的问题,提出一种基于Contourlet变换和分形维的特征提取与识别算法.首先对图像进行Contourlet变换(CT)得到低频子带和高频子带,然后计算低频子带的组合不变矩特征,同时通过代价函数挑选最优高频子带,提取高频子带的分形维特征并使用对比敏感函数(CSF)对不同高频子带的分形维数加权,最后将提取出的低频特征以及高频特征组合成复合特征向量,利用欧氏距离进行相似性度量完成图像目标物识别,该算法有效地融合了不变矩的全局不变性和Contourlet变换的多尺度、多方向局部细节特性.对比实验结果表明,该方法在各种变化条件下均具有较好的识别效果和运行效率,平均识别率达96%以上.

关键词：Contourlet变换、分形维、组合不变矩、特征提取、图像识别

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61462046;江西省科技厅自然科学基金项目20161BAB202049,20161BAB204172;井冈山大学博士科研启动项目JZB1311,JZB15016,JZB15009;"流域生态与地理环境监测"国家测绘地理信息局重点实验室招标项目WE2015013,WE2016003,WE2016013,WE2016015;江西省高校人文社科项目YS1546;江西省艺术科学规划项目YG2015081,YG2016250

在线出版日期：2017-11-01（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：2401-2405