專利名稱：基于圖像紋理特征隨機(jī)度信息的模式識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像的模式識(shí)別和計(jì)算機(jī)視覺(jué)領(lǐng)域。特別是一種基于圖像紋理特征隨機(jī)度信息的模式識(shí)別方法。
背景技術(shù)：
圖像紋理特征信息的模式識(shí)別系統(tǒng)的研究，是模式識(shí)別和計(jì)算機(jī)視覺(jué)最感興趣的研究領(lǐng)域，廣泛應(yīng)用于互聯(lián)網(wǎng)的圖像特征信息檢索，圖像紋理分類，及紋理模式識(shí)別的生物測(cè)定學(xué)等。小波變換是利用特殊選擇的信號(hào)形成信號(hào)、系統(tǒng)和一系列過(guò)程的模型的數(shù)學(xué)理論。利用小波變換進(jìn)行圖像模式識(shí)別是近期熱門(mén)的研究課題。典型的相關(guān)的研究有2002年MIT Press出版的《人腦理論與神經(jīng)網(wǎng)絡(luò)手冊(cè)》第2版(The Handbook of Brain Theory and NeuralNetworks，2nd ed.)John Daugman的論文“Gabor小波與統(tǒng)計(jì)模式識(shí)別”″Gabor wavelets and statistical pattern recognition.″，1993年《IEEE模式分析與機(jī)器智能匯刊》(IEEE Transactions onPattern Analysis and Machine Intelligence)15卷11期上John Daugman的論文“基于統(tǒng)計(jì)無(wú)依賴測(cè)試的高可靠性的個(gè)體視覺(jué)識(shí)別”″High confidencevisual recognition of persons by a test of statistical independence.″1996年《IEEE模式分析與機(jī)器智能匯刊》(IEEE Transactions onPattern Analysis and Machine Intelligence)18卷8期上Manjunath，B.S.and Ma，W.Y.的論文《圖像數(shù)據(jù)的紋理特征瀏覽和獲取》“texturefeatures for browsing and retrieval of image data”有一些專利申請(qǐng)中也提出利用Daubechies小波變換識(shí)別人虹膜的方法。
但上述內(nèi)容與相關(guān)研究都以2D Gabor小波及其它如Haar，Daubechies小波等提取圖像紋理特征為基礎(chǔ)實(shí)現(xiàn)。但重要的是這類小波提取圖像紋理特征隨機(jī)度信息并不是最充分的，如John Daugman的論文“基于統(tǒng)計(jì)無(wú)依賴測(cè)試的高可靠性的個(gè)體視覺(jué)識(shí)別”中所述其隨機(jī)度能力DOF僅為173。另外還存在如何產(chǎn)生最大的編碼平均信息量和對(duì)外部成像條件不具敏感性或依賴性問(wèn)題。

發(fā)明內(nèi)容
本發(fā)明的目的是設(shè)計(jì)一種基于圖像紋理特征隨機(jī)度信息的模式識(shí)別方法，本方法能提取圖像紋理特征最大的隨機(jī)度(degrees of freedom)信息，具備產(chǎn)生最大的編碼平均信息量，并且對(duì)成像噪聲，電子增益，圖像對(duì)比度，圖像聚焦，背景照明等外部成像條件不具敏感性或依賴性。在紋理圖像特征隨機(jī)度信息分析中，最重要原則是采用多分辨率分析尺度，多方向性的濾波或卷積內(nèi)核集合(convolution kernels or filters sets)提取紋理特征信息。
小波變換被認(rèn)為是提取紋理特征信息最合適的描述方法，這點(diǎn)已從生物視覺(jué)系統(tǒng)模型實(shí)驗(yàn)得到充分證實(shí).小波變換用于完成結(jié)合時(shí)頻/空間頻域多分辨率帶通分析。
目前基于圖像紋理特征隨機(jī)度信息的模式識(shí)別方法，主要包括以下步驟A、確定圖像紋理特征信息類型；B、根據(jù)上述A中不同的圖像紋理特征信息類型，定義相應(yīng)的多分析尺度、多方向性小波；C、定義紋理圖像的小波變換提取圖像紋理特征信息，產(chǎn)生編碼的隨機(jī)度信息源；D、根據(jù)上述C中編碼的隨機(jī)度信息源定義編碼方法，產(chǎn)生具備規(guī)范統(tǒng)一標(biāo)準(zhǔn)的紋理特征編碼TextureCode；E、根據(jù)上述D中產(chǎn)生的紋理特征編碼進(jìn)行紋理特征編碼間的概率相似度度量。
本發(fā)明提出用于圖像紋理特征隨機(jī)度信息模式識(shí)別的小波變換為2D DOG(Derivatives of Gaussian)小波變換，定義其母函數(shù)或基本小波(basicwavelet)為Mn，m(x，y)＝(/x)n(/y)mexp[-(x2/2σx2+y2/2σy2)](1)＝(/x)nexp[-(x2/2σx2)](/y)mexp[-(y2/2σy2)]或Hn，m(x，y)＝exp(x2/4σx2+y2/4σy2)Mn，m(x，y)(2)＝exp(x2/4σx2+y2/4σy2){(/x)n(/y)mexp[-(x2/2σx2+y2/2σy2)]}＝exp(x2/4σx2)(/x)nexp[-(x2/2σx2)]exp(y2/4σy2)(/y)mexp[-(y2/2σy2)]上述母函數(shù)或基本小波經(jīng)過(guò)空間平移，方向旋轉(zhuǎn)，分辨率分析尺度膨脹變換后成為自相似(self-similar)小波簇集合(wavelet sets) 其中n，m階導(dǎo)數(shù)，滿足n，m同時(shí)不為0的要求；
s＝(0，1，2…N)為分辨率分析尺度膨脹參量，x0，y0為空間平移參量，θ為方向旋轉(zhuǎn)角度參量，σx，σy為有效頻率帶寬參量。
歸因于時(shí)頻/空間頻域變換分析的反轉(zhuǎn)關(guān)系，分辨率分析尺度膨脹參量s增大，通帶有效帶寬減小，通帶中心頻率向低頻成份移動(dòng)，s過(guò)大能更有效的抑止圖像高頻噪聲，但空間頻域分辨率降低；分辨率分析尺度膨脹參量s減小，中心頻率向高頻成份移動(dòng)，通帶有效帶寬增加，s過(guò)小能具有空間頻域高分辨率，但易受圖像高頻噪聲干擾。
在不同分辨率分析尺度時(shí)，通帶品質(zhì)(通帶中心頻率與通帶有效帶寬比值)大體上保持一致性，而與其它因素?zé)o關(guān)。這種時(shí)頻/空間頻域多分辨率帶通分析特性與Gabor小波相同。
上述小波簇集合具備組成自封閉性和完備性。
上述定義(1)和定義(2)中具有以下重要特性定義(1)半正交性時(shí)； 定義(1)直流響應(yīng)DC(Mn，m(x，y))＝0；定義(1)奇偶對(duì)稱性Mn，m(-x，-y)＝(-1)n+mMn，m(x，y)；定義(2)完全正交性＜Hn，m(x，y)，Hn′，m′(x，y)＞＝n！m ！2πδn，n′δm，m′＝n！m！2πδnm，n′m′；定義(2)直流響應(yīng) 定義(2)奇偶對(duì)稱性Hn，m(-x，-y)＝(-1)n+mHn，m(x，y)；上述定義(1)中基本小波具有理想的帶通特征，它無(wú)直流響應(yīng)，即它是允許小波(滿足相容性條件)。
上述定義(2)中基本小波具有重要的完全正交性特征，即意味著使用該小波變換方法提取紋理特征隨機(jī)度信息是無(wú)冗余的，進(jìn)一步的說(shuō)該方法能最大化編碼的平均信息量。
定義(1)中半正交性，即表明其定義存在信息冗余的表達(dá)方式。但正如視網(wǎng)膜神經(jīng)中樞節(jié)細(xì)胞的接受場(chǎng)模型(receptive field of retinal ganglioncells)表證了生物視覺(jué)系統(tǒng)模型是充分冗余的。
生物視覺(jué)系統(tǒng)在進(jìn)化的過(guò)程中采用信息冗余的方式是其為適應(yīng)環(huán)境變化產(chǎn)生的能力，根本的目的是增強(qiáng)視覺(jué)系統(tǒng)強(qiáng)壯性和穩(wěn)定性與適應(yīng)性。實(shí)驗(yàn)證實(shí)在有生命的生物視覺(jué)系統(tǒng)中，冗余是必備的生理功能，即使失去部分單元。
定義(1)提供了用于描述紋理特征信息冗余方式，但相比定義(2)很明顯存在冗余引進(jìn)的部分相關(guān)性，使編碼的平均信息量有一定下降。
歸因于定義(2)中2D DOG小波存在直流響應(yīng)，為了使后續(xù)的TextureCode(紋理特征編碼)無(wú)依賴于實(shí)際應(yīng)用時(shí)成像條件，強(qiáng)制屏蔽其直流(DC)響應(yīng)輸出，它可等效于使直流響應(yīng)輸出為0屬性。
本發(fā)明定義紋理圖像I(x，y)的2D DOG小波變換表達(dá)為 事實(shí)上，上述參量(n，m，s，x0，y0，θ)可以認(rèn)為是本發(fā)明定義的圖像紋理特征隨機(jī)度信息表達(dá)。更確切地說(shuō)應(yīng)該是隨機(jī)度信息(n，m，s，x0，y0，θ)通過(guò)2D DOG小波變換反映，描述和提取原始存在于圖像中的紋理特征信息。
因此以上描述的WM(n，m，s，x0，y0，θ)或WH(n，m，s，x0，y0，θ)更進(jìn)一步作為本發(fā)明定義的，用于產(chǎn)生圖像紋理特征信息編碼的隨機(jī)度信息源。該信息源包含了編碼所需的最大化紋理特征信息隨機(jī)度信息。
2D DOG小波變換具有明顯的生物視覺(jué)系統(tǒng)支持，視網(wǎng)膜神經(jīng)中樞節(jié)細(xì)胞具有組合不同空間/頻域和時(shí)間的響應(yīng)特性，和進(jìn)一步在特定的空間尺度和常數(shù)時(shí)間間隔用于圖像積差分算子(image operators ofintegro-differential)變換。最后處理的信息被用于大腦的主視覺(jué)皮層(visual cortex)進(jìn)行更深入的神經(jīng)信息分析處理。
多分析尺度，多方向性的小波變換的過(guò)零(zero-crossings)信息是描述紋理特征信息的最重要的特性，對(duì)于滿足Logan法則(Logan’s Theorem)的帶通帶限(band-limited)的信號(hào)，它的過(guò)零信息是最充分的，能除常數(shù)因素外重建原始信號(hào)。
本發(fā)明定義圖像紋理特征隨機(jī)度信息的二進(jìn)制量子化編碼算子為 或相應(yīng)的
通過(guò)采用上述二進(jìn)制量子化編碼方法采樣所有參量(n，m，s，x0，y0，θ)，產(chǎn)生具備規(guī)范統(tǒng)一標(biāo)準(zhǔn)的紋理特征編碼TextureCode。所說(shuō)的規(guī)范統(tǒng)一標(biāo)準(zhǔn)的紋理特征編碼是采用編碼的隨機(jī)度信息源的采樣參量(n，m，s，x0，y0，θ)規(guī)范化排列采樣生成，目的是為了1)產(chǎn)生獨(dú)立的二進(jìn)制位元編碼位的任意周期循環(huán)的鄰近狀態(tài)都僅有1位編碼位改變，它可有效地避免鄰近狀態(tài)產(chǎn)生多位編碼位被隨機(jī)改變；2)為下述步驟的圖像紋理特征編碼間相似度的度量奠定可規(guī)范化度量基礎(chǔ)；本發(fā)明定義編碼的隨機(jī)度信息源過(guò)零符號(hào)信息二進(jìn)制量子化的編碼方法，它具備對(duì)最大化紋理特征隨機(jī)度信息源的完備編碼。
紋理特征編碼對(duì)結(jié)合空間頻域帶通信號(hào)特征采樣。本發(fā)明描述的紋理特征編碼采用對(duì)給定s分辨率分析信號(hào)的頻率帶上的至少Nyquist sampling采樣生成方法。即，在給定分辨率分析信號(hào)的頻率帶上，紋理特征編碼通過(guò)2倍的其最大有效頻率采樣生成。實(shí)際應(yīng)用時(shí)，給定分辨率分析信號(hào)的頻率帶上的Nyquist sampling是編碼采樣至少的底限。
如此的編碼采樣方法，因?yàn)楦鶕?jù)信號(hào)的不同的多分辨率分析的頻率帶寬的倍頻程分布(事實(shí)上，中心頻率也呈倍頻分布)，本發(fā)明描述的紋理特征編碼采樣對(duì)不同的多分辨率分析信號(hào)(即不同的s)采用了相應(yīng)的多分辨率比例采樣方法。即紋理特征編碼對(duì)不同的多分辨率分析信號(hào)相應(yīng)的采樣比例為2-s。比如不同的多分辨率為s＝0與s＝1時(shí)分析信號(hào)，相應(yīng)的采樣比例為2∶1。
上述的編碼采樣方法對(duì)紋理特征信號(hào)的干擾效應(yīng)(disturbing effect)(或稱為擾動(dòng)效應(yīng))和信號(hào)的平移效應(yīng)(translational effect)更具可靠性和穩(wěn)定性。
本發(fā)明描述的相似度度量方法采用先驗(yàn)條件概率對(duì)圖像紋理特征編碼(TextureCode)實(shí)施概率相似度度量。
定義圖像紋理特征編碼TextureCode1和TextureCode2間的先驗(yàn)條件概率相似度度量為P(TextureCode1,TextureCode2)=P(A)=Σi=1NP(A|Bi)P(Bi)]]>Σi=1NP(A|Bi)=1]]>其中N為圖像紋理特征編碼(TextureCode)間全體特征編碼位元對(duì)數(shù)量；P(TextureCode1，TextureCode2)＝P(A)表示為具有N位元對(duì)的圖像紋理特征編碼間相似度度量的概率。
P(Bi)，表示為圖像紋理特征編碼間第Bi位元對(duì)相似度度量的獨(dú)立匹配概率。
P(Bi)定義為
P(Bi)1when Bi TextureCode 1＝Bi TextureCode20when Bi TextureCode 1≠Bi TextureCode2P(A|Bi)，表示為第Bi位元所具備的先驗(yàn)條件概率。當(dāng)然如此的先驗(yàn)條件概率由按概率統(tǒng)計(jì)學(xué)原理先驗(yàn)對(duì)(n，m，s，x0，y0，θ)隨機(jī)度發(fā)生的條件概率分布特征產(chǎn)生。
此源于圖像紋理特征隨機(jī)度信息本身存在的不均衡性，在隨機(jī)度信息源中參量的相關(guān)性或無(wú)依賴性決定了其條件概率分布特征。它也決定了編碼平均信息量的分布特征。
本發(fā)明定義的上述二進(jìn)制量子化編碼方法結(jié)合先驗(yàn)條件概率相似度度量方法，具備產(chǎn)生最大化紋理特征隨機(jī)度信息源的完備編碼和對(duì)成像噪聲，電子增益，圖像對(duì)比度，圖像聚焦，背景照明等外部成像條件不具敏感性或依賴性。對(duì)外部成像條件不具敏感性或依賴性這點(diǎn)可以通過(guò)分析二進(jìn)制量子化編碼的過(guò)零符號(hào)信息特性和具有模糊匹配特性的概率相似度度量理解。這也是解決了模式識(shí)別系統(tǒng)應(yīng)用的關(guān)鍵因素。
事實(shí)上，上述2D DOG小波定義是具有廣義性質(zhì)，其隨機(jī)度模型參量復(fù)雜度高，編碼平均信息量分布不均衡。在實(shí)際應(yīng)用時(shí)，采用生物視覺(jué)系統(tǒng)的頻率-方向性通道(channels of frequency-orientation)分布原理，簡(jiǎn)化定義2DDOG小波變換的母函數(shù)或基本小波(basic wavelet)為Mn(x，y)＝(/x)nexp[-(x2/2σx2+y2/2σy2)]＝exp[-(y2/2σy2)](/x)nexp[-(x2/2σx2)]或Hn(x，y)＝exp(x2/4σx2+y2/4σy2)Mn(x，y)＝exp[-(y2/4σy2)]exp(x2/4σx2){(/x)nexp[-(x2/2σx2)]}如上所描述經(jīng)過(guò)空間平移，方向旋轉(zhuǎn)，分辨率分析尺度膨脹變換后成為自相似(self-similar)小波簇集合 事實(shí)上，上述這種基于生物視覺(jué)系統(tǒng)的頻率-方向性通道分布原理的空間頻域多分辨率帶通分析特性的小波已被應(yīng)用證實(shí)。
相應(yīng)的紋理圖像I(x，y)的簡(jiǎn)化定義2D DOG小波變換表達(dá)為 上述小波變換表達(dá)采用FFT(Fast Fourier Transform)卷積算法大大提高了圖像分析處理的速度。WM(n，s，x0，y0，θ)或WH(n，s，x0，y0，θ)用于產(chǎn)生圖像紋理特征編碼的隨機(jī)度信息源。
定義圖像紋理特征的二進(jìn)制量子化編碼算子為 或相應(yīng)的 當(dāng)圖像紋理特征隨機(jī)度信息具有空間結(jié)構(gòu)等方向性(isotropic)，或圓對(duì)稱性(circularly symmetric)時(shí)，進(jìn)一步定義上述2D DOG小波變換的母函數(shù)或基本小波(basic wavelet)為Mn(x，y)＝[(/x)n+(/y)n]exp[-(x2/2σ2+y2/2σ2)]＝exp[-(y2/2σ2)](/x)nexp[-(x2/2σ2)]+exp[-(x2/2σ2)](/y)nexp[-(y2/2σ2)]或Hn(x，y)＝exp(x2/4σ2+y2/4σ2)Mn(x，y)＝exp[-(y2/4σ2)]exp(x2/4σ2){(/x)nexp[-(x2/2σ2)]}+exp[-(x2/4σ2)]exp(y2/4σ2){(/y)nexp[-(y2/2σ2)]}如上所描述經(jīng)過(guò)空間平移，分辨率分析尺度膨脹變換后成為自相似(self-similar)小波簇集合 很明顯的，上述定義的2D DOG小波具有空間結(jié)構(gòu)等方向性或圓對(duì)稱性，這對(duì)于提取具相同特性的圖像紋理特征信息具有最大的編碼平均信息量和隨機(jī)度信息。
相應(yīng)的紋理圖像I(x，y)的2D DOG小波變換表達(dá)為 圖像紋理特征的二進(jìn)制量子化編碼算子為 或相應(yīng)的
事實(shí)上，本發(fā)明所描述的上述3種不同類型的2D DOG小波定義完全取決于圖像紋理特征信息類型，如空間結(jié)構(gòu)等方向性或圓對(duì)稱性，模型參量的相關(guān)性，模型參量復(fù)雜度等。在實(shí)際應(yīng)用時(shí)，首先根據(jù)不同的圖像紋理特征信息類型定義，以實(shí)現(xiàn)模式識(shí)別系統(tǒng)復(fù)雜度與性能的共優(yōu)，即實(shí)現(xiàn)具有最大化的編碼平均信息量和隨機(jī)度信息。
本發(fā)明的基于圖像紋理特征隨機(jī)度信息的模式識(shí)別方法，具有以下優(yōu)點(diǎn)1.本發(fā)明定義的2D DOG小波具有提取圖像紋理特征信息充分豐富隨機(jī)度的能力，并且具有生物視覺(jué)系統(tǒng)可靠性和穩(wěn)定性的支持。
2.本發(fā)明定義的2D DOG小波變換產(chǎn)生的圖像紋理特征信息編碼的隨機(jī)度信息源具有最大化。
3.本發(fā)明的模型參量可以應(yīng)用于不同的圖像紋理特征信息類型，以實(shí)現(xiàn)模式識(shí)別系統(tǒng)復(fù)雜度與性能的共優(yōu)，即實(shí)現(xiàn)具有最大化的編碼平均信息量和隨機(jī)度信息。
4.本發(fā)明的二進(jìn)制量子化編碼方法結(jié)合先驗(yàn)條件概率相似度度量方法，它們具備產(chǎn)生最大化紋理特征隨機(jī)度信息源的完備編碼和對(duì)外部成像條件不具敏感性或依賴性。
5.本發(fā)明的紋理特征編碼采樣方法具有結(jié)合多分辨空間頻域帶通信號(hào)特征，對(duì)干擾效應(yīng)和平移效應(yīng)更具可靠性和穩(wěn)定性。
6.本發(fā)明的編碼方法和相似度度量方法基于二進(jìn)制描述，能實(shí)現(xiàn)便于計(jì)算機(jī)二進(jìn)制高效處理的優(yōu)點(diǎn)。
具體實(shí)施例方式實(shí)施例1現(xiàn)以生物測(cè)定學(xué)中虹膜的紋理特征隨機(jī)度信息的模式識(shí)別為本發(fā)明的具體實(shí)施例1。虹膜的紋理特征信息具有高度的非基因外部條件決定的隨機(jī)復(fù)雜性特征。
虹膜紋理圖像具有極坐標(biāo)表達(dá)方式I(φ，r)，故本例中使用φ代表角度元素，r代表半徑元素，作為本發(fā)明2D DOG小波的變量。
本例采用上述具有生物視覺(jué)系統(tǒng)頻率-方向性通道分布特性，簡(jiǎn)化定義2D DOG小波變換的母函數(shù)或基本小波(basic wavelet)的形式。代入本例的變量得Mn(φ，r)＝(/φ)nexp[-(φ2/2σφ2+r2/2σr2)]＝exp[-(r2/2σr2)](/φ)nexp[-(φ2/2σφ2)]或Hn(φ，r)＝exp(φ2/4σφ2+r2/4σr2)Mn(φ，r)＝exp[-(r2/4σr2)]exp(φ2/4σφ2)(/φ)nexp[-(φ2/2σφ2)]上述母函數(shù)或基本小波經(jīng)過(guò)空間平移，方向旋轉(zhuǎn)，分析尺度膨脹變換后成為自相似(self-similar)小波簇集合
在本例中n為階導(dǎo)數(shù)，取n＝(1，2，3，4)。
s＝(0，1，2)為分辨率分析尺度膨脹參量，取s＝(0，1，2)。
φ0，r0為角度和半徑平移參量。
θ為方向旋轉(zhuǎn)角度參量，取θ＝(0，π/4，3π/4)，排除θ＝π/2，因?yàn)樵诖朔较蛏?，主要存在紋理特征信息的相關(guān)性。當(dāng)然也可取θ＝(0，π/6，π/3，2π/3，5π/6)。
σφ，σr為角度和半徑有效頻率帶寬參量。
在采用Hn，s，φ0，r0，θ(φ，r)時(shí)，強(qiáng)制屏蔽其直流(DC)響應(yīng)輸出。
本例定義虹膜紋理圖像I(φ，r)的2D DOG小波變換表達(dá)為 WM(n，s，φ0，r0，θ)或WH(n，s，φ0，r0，θ)作為本例產(chǎn)生虹膜紋理特征信息編碼的隨機(jī)度信息源。
本例定義的隨機(jī)度參量(n，s，φ0，r0，θ)通過(guò)2D DOG小波變換反映，描述和提取原始存在于虹膜紋理圖像I(φ，r)中的紋理特征信息。
本例定義虹膜紋理特征的二進(jìn)制量子化編碼算子為 或相應(yīng)的 通過(guò)采用上述二進(jìn)制量子化編碼方法采樣所有參量(n，s，φ0，r0，θ)，產(chǎn)生具備規(guī)范統(tǒng)一標(biāo)準(zhǔn)的虹膜紋理特征編碼TextureCode。
虹膜紋理特征編碼對(duì)結(jié)合空間頻域帶通信號(hào)特征采樣，本例中編碼采樣方法為虹膜紋理特征編碼采用對(duì)給定s分辨率分析信號(hào)的頻率帶上的至少Nyquist sampling采樣生成方法。即，在給定s分辨率分析信號(hào)的頻率帶上，虹膜紋理特征編碼通過(guò)2倍的其最大有效頻率采樣生成。
根據(jù)虹膜紋理特征信號(hào)不同的多分辨率分析，如此的編碼采樣方法采用了相應(yīng)的多分辨率比例采樣。即虹膜紋理特征編碼對(duì)不同的多分辨率分析信號(hào)相應(yīng)的采樣比例為2-s。如本例中s＝0，1，2時(shí)，相應(yīng)的虹膜紋理特征編碼采樣比例為4∶2∶1。
本例定義虹膜紋理特征編碼TextureCode1和TextureCode2間的先驗(yàn)條件概率相似度度量為P(TextureCode1,TextureCode2)=P(A)=Σi=1NP(A|Bi)P(Bi)]]>Σi=1NP(A|Bi)=1]]>其中N為虹膜紋理特征編碼(TextureCode)間全體特征編碼位元對(duì)數(shù)量；P(TextureCode1，TextureCode2)＝P(A)表示為具有N位元對(duì)的虹膜紋理特征編碼間相似度度量的概率。
P(Bi)，表示為虹膜紋理特征編碼間第Bi位元對(duì)相似度度量的獨(dú)立匹配概率。P(Bi)定義為P(Bi)1when Bi TextureCode1＝Bi TextureCode20when Bi TextureCode1≠Bi TextureCode2P(A|Bi)，表示為第Bi位元所具備的先驗(yàn)條件概率。
本例在虹膜紋理特征編碼相似度度量時(shí)，最特別的是虹膜紋理的隨機(jī)度信息分布主要在角度方向，半徑方向主要存在紋理特征信息的相關(guān)性，即所包含的隨機(jī)度信息極低。如上所述，故在此方向上，即方向旋轉(zhuǎn)θ＝π/2時(shí)相應(yīng)特征編碼位元的條件概率可不考慮，更進(jìn)一步為提高編碼的平均信息量，可不參與編碼。在此具體實(shí)施例中先驗(yàn)條件概率P(A|Bi)得以相應(yīng)反映，如θ＝(0，π/4，3π/4)，可取相應(yīng)的先驗(yàn)條件概率比例關(guān)系為2∶1∶1。
采用上述本發(fā)明描述的方法，具體實(shí)施例通過(guò)John Daugman的論文“基于統(tǒng)計(jì)無(wú)依賴測(cè)試的高可靠性的個(gè)體視覺(jué)識(shí)別”所述的隨機(jī)度統(tǒng)計(jì)方法，獲得的虹膜紋理的隨機(jī)度DOF為220以上，與該文中所得隨機(jī)度能力DOF為173相比，本發(fā)明提供的方法提取紋理特征信息隨機(jī)度更充分更豐富。
實(shí)施例2本發(fā)明以近地衛(wèi)星光學(xué)成像的紋理圖像識(shí)別為具體實(shí)施例2。在實(shí)際應(yīng)用時(shí)，分析此類圖像紋理特征信息的隨機(jī)度特征，需要考慮圖像紋理特征隨機(jī)度信息具有空間結(jié)構(gòu)等方向性或圓對(duì)稱性，此假定在統(tǒng)計(jì)分布上是正確的，另外本例說(shuō)明使用本方法提高了分析處理的速度。
實(shí)施例2定義2D DOG小波變換的母函數(shù)或基本小波為Mn(x，y)＝[(/x)n+(/y)n]exp[-(x2/2σ2+y2/2σ2)]＝exp[-(y2/2σ2)](/x)nexp[-(x2/2σ2)]+exp[-(x2/2σ2)](/y)nexp[-(y2/2σ2)]或Hn(x，y)＝exp(x2/4σ2+y2/4σ2)Mn(x，y)
＝exp[-(y2/4σ2)]exp(x2/4σ2){(/x)nexp[-(x2/2σ2)]}+exp[-(x2/4σ2)]exp(y2/4σ2){(/y)nexp[-(y2/2σ2)]}如前所述經(jīng)過(guò)空間平移，分辨率分析尺度膨脹變換后成為自相似(self-similar)小波簇集合 本例中n為階導(dǎo)數(shù)，取n＝(1，2，3，4)。
s＝(0，1，2，3)為分辨率分析尺度膨脹參量，取s＝(0，1，2，3)。
x0，y0為平移參量。
σ為有效頻率帶寬參量。
很明顯，上述2D DOG小波具有空間結(jié)構(gòu)等方向性或圓對(duì)稱性，這對(duì)于提取具相同特性的圖像紋理特征信息具有最大的編碼平均信息量和隨機(jī)度信息。同時(shí)用此小波變換提高了圖像分析處理的速度。
本例中紋理圖像I(x，y)的2D DOG小波變換表達(dá)為 上述小波變換表達(dá)采用FFT(Fast Fourier Transform)卷積算法大大提高了圖像分析處理的速度。
本例中圖像紋理特征的二進(jìn)制量子化編碼算子為 或相應(yīng)的 采用上述二進(jìn)制量子化編碼方法采樣所有參量(n，s，x0，y0)，產(chǎn)生具備規(guī)范統(tǒng)一標(biāo)準(zhǔn)的圖像紋理特征編碼TextureCode。
圖像紋理特征編碼對(duì)結(jié)合空間頻域帶通信號(hào)特征采樣，本例中圖像紋理特征編碼采用對(duì)給定s分辨率分析信號(hào)的頻率帶上的至少Nyquist sampling采樣生成方法。即，在給定s分辨率分析信號(hào)的頻率帶上，圖像紋理特征編碼通過(guò)2倍的其最大有效頻率采樣生成。
根據(jù)圖像紋理特征信號(hào)不同的多分辨率分析，本編碼采樣方法采用了相應(yīng)的多分辨率比例采樣。即圖像紋理特征編碼對(duì)不同的多分辨率分析信號(hào)相應(yīng)的采樣比例為2-s。本例中s＝0，1，2，3時(shí)，相應(yīng)的圖像紋理特征編碼采樣比例為8∶4∶2∶1。
本例中定義圖像紋理特征編碼TextureCode1和TextureCode2間的先驗(yàn)條件概率相似度度量為P(TextureCode1,TextureCode2)=P(A)=Σi=1NP(A|Bi)P(Bi)]]>Σi=1NP(A|Bi)=1]]>其中N為圖像紋理特征編碼(TextureCode)間全體特征編碼位元對(duì)數(shù)量；P(TextureCode1，TextureCode2)＝P(A)表示為具有N位元對(duì)的圖像紋理特征編碼間相似度度量的概率。
P(Bi)，表示為圖像紋理特征編碼間第Bi位元對(duì)相似度度量的獨(dú)立匹配概率。P(Bi)定義為P(Bi)1when Bi TextureCode1＝Bi TextureCode20when Bi TextureCode1≠Bi TextureCode2P(A|Bi)＝1/N，表示為第Bi位元所具備的先驗(yàn)條件概率。
本實(shí)施例在圖像紋理特征編碼相似度度量時(shí)，根據(jù)其空間結(jié)構(gòu)等方向性或圓對(duì)稱性，即圖像紋理特征信息所包含的隨機(jī)度信息為等概率分布。故在具體實(shí)施例中先驗(yàn)條件概率P(A|Bi)＝1/N，更進(jìn)一步的提高了圖像分析處理的速度。
通過(guò)本發(fā)明公開(kāi)的內(nèi)容，本專業(yè)領(lǐng)域人員可理解本發(fā)明圖像紋理特征信息的模式識(shí)別方法具備實(shí)現(xiàn)能提取圖像紋理特征最大的隨機(jī)度，具備產(chǎn)生最大的編碼平均信息量、最大化紋理特征隨機(jī)度信息源的完備編碼和對(duì)成像噪聲、電子增益、圖像對(duì)比度、圖像聚焦、背景照明等外部成像條件不具敏感性或依賴性。紋理特征編碼采樣方法具有結(jié)合多分辨空間頻域帶通信號(hào)特征，對(duì)干擾(擾動(dòng))效應(yīng)和平移效應(yīng)更具可靠性和穩(wěn)定性。本發(fā)明公開(kāi)的內(nèi)容也可用于各種不同類型的圖像紋理特征信息的模式識(shí)別，如基于圖像紋理特征的圖像信息檢索、或數(shù)據(jù)庫(kù)紋理圖像分類等。
權(quán)利要求
1.一種基于圖像紋理特征隨機(jī)度信息的模式識(shí)別方法，其包括以下步驟A、確定圖像紋理特征信息類型；B、根據(jù)上述A中不同的圖像紋理特征信息類型，定義相應(yīng)的多分析尺度、多方向性小波；C、定義紋理圖像的小波變換提取圖像紋理特征信息，產(chǎn)生編碼的隨機(jī)度信息源；D、根據(jù)上述C中編碼的隨機(jī)度信息源定義編碼方法，產(chǎn)生具備規(guī)范統(tǒng)一標(biāo)準(zhǔn)的紋理特征編碼TextureCode；E、根據(jù)上述D中產(chǎn)生的紋理特征編碼進(jìn)行紋理特征編碼間的概率相似度度量；其特征是所述的多分析尺度、多方向性小波為2D DOG小波，其小波變換的母函數(shù)或基本小波為Mn，m(x，y)＝(/x)n(/y)mexp[-(x2/2σx2+y2/2σy2)]＝(/x)nexp[-(x2/2σx2)](/y)mexp[-(y2/2σy2)]或Hn，m(x，y)＝exp(x2/4σx2+y2/4σy2)Mn，m(x，y)＝exp(x2/4σx2+y2/4σy2){(/x)n(/y)mexp[-(x2/2σx2+y2/2σy2)]}＝exp(x2/4σx2)(/x)nexp[-(x2/2σx2)]exp(y2/4σy2)(/y)mexp[-(y2/2σy2)]上述母函數(shù)或基本小波經(jīng)過(guò)空間平移，方向旋轉(zhuǎn)，分辨率分析尺度膨脹變換后成為自相似小波簇集合 其中n，m階導(dǎo)數(shù)，滿足n，m同時(shí)不為0的要求；s＝(0，1，2…N)為分辨率分析尺度膨脹參量，x0，y0為空間平移參量，θ為方向旋轉(zhuǎn)角度參量，σx，σy為有效頻率帶寬參量；紋理圖像I(x，y)的2D DOG小波變換表達(dá)，為 WM(n，m，s，x0，y0，θ)或WH(n，m，s，x0，y0，θ)用于產(chǎn)生圖像紋理特征編碼的隨機(jī)度信息源。
2.根據(jù)權(quán)利要求1所述的基于圖像紋理特征隨機(jī)度信息的模式識(shí)別方法，其特征是所述2D DOG小波變換的母函數(shù)或基本小波的簡(jiǎn)化定義為Mn(x，y)＝(/x)nexp[-(x2/2σx2+y2/2σy2)]＝exp[-(y2/2σy2)](/x)nexp[-(x2/2σx2)]或Hn(x，y)＝exp(x2/4σx2+y2/4σy2)Mn(x，y)＝exp[-(y2/4σy2)]exp(x2/4σx2){(/x)nexp[-(x2/2σx2)]}上述母函數(shù)或基本小波經(jīng)過(guò)空間平移，方向旋轉(zhuǎn)，分辨率分析尺度膨脹變換后成為自相似小波簇集合 紋理圖像I(x，y)的2D DOG小波變換表達(dá)，為
3.根據(jù)權(quán)利要求1所述的基于圖像紋理特征隨機(jī)度信息的模式識(shí)別方法，其特征是當(dāng)圖像紋理特征隨機(jī)度信息具有空間結(jié)構(gòu)等方向性，或圓對(duì)稱性時(shí)，進(jìn)一步定義上述2D DOG小波變換的母函數(shù)或基本小波為Mn(x，y)＝[(/x)n+(/y)n]exp[-(x2/2σ2+y2/2σ2)]＝exp[-(y2/2σ2)](/x)nexp[-(x2/2σ2)]+exp[-(x2/2σ2)](/y)nexp[-(y2/2σ2)]或Hn(x，y)＝exp(x2/4σ2+y2/4σ2)Mn(x，y)＝exp[-(y2/4σ2)]exp(x2/4σ2){(/x)nexp[-(x2/2σ2)]}+exp[-(x2/4σ2)]exp(y2/4σ2){(/y)nexp[-(y2/2σ2)]}；如上所描述經(jīng)過(guò)空間平移，分辨率分析尺度膨脹變換后成為自相似小波簇集合 紋理圖像I(x，y)的2D DOG小波變換表達(dá)為
4.根據(jù)權(quán)利要求1所述的基于圖像紋理特征隨機(jī)度信息的模式識(shí)別方法，其特征是編碼方法采用編碼的隨機(jī)度信息源過(guò)零符號(hào)信息二進(jìn)制量子化的編碼方法，圖像紋理特征隨機(jī)度信息的二進(jìn)制量子化編碼算子為 或相應(yīng)的
5.根據(jù)權(quán)利要求2所述的基于圖像紋理特征隨機(jī)度信息的模式識(shí)別方法，其特征是編碼方法采用編碼的隨機(jī)度信息源過(guò)零符號(hào)信息二進(jìn)制量子化的編碼方法，圖像紋理特征隨機(jī)度信息的二進(jìn)制量子化編碼算子為 或相應(yīng)的
6.根據(jù)權(quán)利要求3所述的基于圖像紋理特征隨機(jī)度信息的模式識(shí)別方法，其特征是編碼方法采用編碼的隨機(jī)度信息源過(guò)零符號(hào)信息二進(jìn)制量子化的編碼方法，圖像紋理特征隨機(jī)度信息的二進(jìn)制量子化編碼算子為 或相應(yīng)的
7.根據(jù)權(quán)利要求1～6中任一項(xiàng)所述的基于圖像紋理特征隨機(jī)度信息的模式識(shí)別方法，其特征是所述的規(guī)范統(tǒng)一標(biāo)準(zhǔn)的紋理特征編碼是采用編碼的隨機(jī)度信息源的參量規(guī)范化排列采樣生成。
8.根據(jù)權(quán)利要求1～6中任一項(xiàng)所述的基于圖像紋理特征隨機(jī)度信息的模式識(shí)別方法，其特征是所述的紋理特征編碼是采用對(duì)給定分辨率分析的信號(hào)頻率帶上的至少Nyquist sampling采樣生成方法。
9.根據(jù)權(quán)利要求1～6中任一項(xiàng)所述的基于圖像紋理特征隨機(jī)度信息的模式識(shí)別方法，其特征是所述的紋理特征編碼間的概率相似度度量采用先驗(yàn)條件概率進(jìn)行概率相似度度量。
全文摘要
本發(fā)明為基于圖像紋理特征隨機(jī)度信息小波變換的模式識(shí)別方法，提供了2D DOG小波變換的母函數(shù)、其經(jīng)過(guò)方向空間變換后的自相似小波簇集合及用于產(chǎn)生圖像紋理特征信息編碼隨機(jī)度信息源的變換表達(dá)，并提供了其簡(jiǎn)化定義和圖像紋理特征隨機(jī)度信息具有空間結(jié)構(gòu)等方向性或圓對(duì)稱性時(shí)的定義。本方法產(chǎn)生最大化的圖像紋理特征信息編碼的隨機(jī)度信息源、最大的編碼平均信息量，二進(jìn)制量子化編碼方法結(jié)合先驗(yàn)條件概率相似度度量方法產(chǎn)生最大化紋理特征隨機(jī)度信息源的完備編碼和對(duì)外部成像條件不具敏感性或依賴性。紋理特征編碼采樣方法具有結(jié)合多分辨空間頻域帶通信號(hào)特征，對(duì)干擾效應(yīng)和平移效應(yīng)更具可靠性和穩(wěn)定性。
文檔編號(hào)G06K9/46GK1598867SQ20041004068
公開(kāi)日2005年3月23日 申請(qǐng)日期2004年9月10日 優(yōu)先權(quán)日2004年9月10日
發(fā)明者倪蔚民 申請(qǐng)人:倪蔚民