第16卷�第3期2011年3月中国图象图形学报JournalofImageandGraphicsVo.l16,No.3Mar.,2011中图法分类号:TP391.41��文献标志码:A��文章编号:1006-8961(2011)03-0398-08论文索引信息:韩光,赵春霞,陆建峰,袁夏.面向彩色图像的尺度和旋转不变性特征提取方法及应用[J].中国图象图形学报,2011,16(3):398-405收稿日期:2009-11-05;修回日期:2009-12-15基金项目:国家自然科学基金项目(60705020,90820306)。第一作者简介:韩光(1981��),男。南京理工大学计算机科学与技术学院博士研究生,主要研究方向为模式识别、图像处理、智能机器人等。E-mai:lhanguang8848@163.com。面向彩色图像的尺度和旋转不变性特征提取方法及应用韩光,赵春霞,陆建峰,袁夏(南京理工大学计算机科学与技术学院,南京�210094)摘�要:提出一种面向彩色图像的尺度和旋转不变性特征提取方法,并在真实的场景识别中进行了应用。该方法是先对给定彩色图像的各组成平面分别进行Radon变换,然后对得到的Radon变换系数矩阵进行尺度不变性处理,接着对处理后的Radon变换系数矩阵用频率B样条小波进行1维小波变换,在所得到的脊波系数矩阵中计算均值和方差的同时,采用线性回归模型提取在不同的颜色组成平面下所有频率子波段之间的关系属性,最后将得到的特征进行旋转不变性处理,从而得到所提出的尺度和旋转不变性特征。在3个数据库上进行了实验,结果表明本文方法可靠有效。关键词:脊波变换;频率B样条小波;尺度不变性;旋转不变性;场景分类ScaleandrotationinvariantfeatureextractionmethodbasedoncolorimageanditsapplicationsHanGuang,ZhaoChunxia,LuJianfeng,YuanXia(ComputerDepartment,NanjingUniversityofScienceandTechnology,Nanjing210094China)Abstract:Ascaleandrotationinvariantfeatureextractionmethodbasedoncolorimagesisproposedandbeenappliedfortherecognitionofrea-lworldscenes.RadontransformisfirstlyappliedinthethreecomponentplanesofthegivencolorimageandthenthescaleinvarianceoperationisimplementedinRadontransformcoefficientmatrixes.One-dimensionalwavelettransformwiththefrequencyB-splinewaveletisusedinRadontransformcoefficientmatrix.Themeanandvariancearecalculatedinridgeletcoefficientmatrix,andtherelationshipisextractedforallthefrequencysub-bandsunderdifferentcolorcomponentplaneusinglinearregressionmode.lFinallyrotationinvarianceoperationisconductedforobtainedfeatures.Therefore,theproposedscaleandrotationinvariantfeaturesareacquired.Theexperimentalresultsusingthethreedatabasesshowthattheproposedmethodisreliableandefficient.Keywords:ridgelettransform;frequencyB-splinewavelet;scaleinvariance;rotationinvariance;sceneclassification0�引�言纹理分类在图像分析和分类中起着非常重要作用。在采集图像的过程中,一般会涉及拍摄距离和角度的变化,这样会引起图像纹理尺度和方向的变化,例如,在智能机器人导航[1]、图像检索[2]等应用中。因此当分类这样的纹理图像时,提取具有尺度第3期韩光等:面向彩色图像的尺度和旋转不变性特征提取方法及应用399�和旋转不变性特征是非常必要的。在文献中已经有很多关于尺度和旋转不变性的纹理特征提取方法被提出。Kashyap和Khotanzed[3]提出的循环对称自回归模型就是第一次来解决尺度及旋转不变性问题的。Chen等人[4]采用子带分解和隐马尔可夫模型方法,通过监督学习以实现尺度和旋转不变性特征提取。Tao等人[5]提出了一种使用小波和分形技术的不变性特征提取方法。Manthalkar等人[6]通过结合小波分解的LH和HL波段来得到旋转不变性特征,却是以失去纹理方向信息为代价。Ojala等人[7-8]还使用了多分辨率的局部二值模式(LBP)用于旋转不变性纹理分类。另外,有两种图像变换Log-polar变换[9]和Radon变换[10]被用来将图像旋转转化为变换数据的循环平移,然后利用平移不变小波变换来提取旋转不变纹理特征。后来,Jafar-iKhouzani和Soltanian-Zadeh又使用Radon变换来评估纹理图像的主方向并且在那个方向上应用小波变换来提取旋...
