基于马尔科夫随机场的纹理图像分类

分分类号号号UUUDCCCCC密密级级级学学号号号、砂矫可，去军硕士学位论文基于马尔科夫随机场的纹理图像分类毕芳学科名称:学科门类:指导教师:申请日期:模式识别与智能系统工学杨延西教授2010年3月独二创性声明本人所呈交的学位论文是在导师指导下进行的研究工作及取得的成果。尽我所知，除特别加以标注的地方外，论文中不包含其他人的研究成果。与我一同工作的同志对本文的研究工作和成果的任何贡献均已在论文中作了明确的说明并已致谢。、本论文及其柑关资料若有不实之处，由本人承担一切相关责任论文作者签名:二终--砂年多”丫日学位论文使用授权声明本人瑙透-在导师的指导下创作完成学位论文的知识产权归西安理工大学所有，本人今后在使用或发表该论文涉及的研究内容时，会注明西安理工大学。本人作为学位论文著作权拥有者，同意授权西安理工大学拥有学位论文的部分使用权(在以下“口”中标明，同意的划“7”，不同意的划“x，’)，即:本人提交的印刷版和电子版学位论文，口学校可以采用影印、缩印或其他复制手段保存;口学校可以将学位论文的全部内容编入公开的数据库进行检索;口学校可以将学位论文的摘要编入公开的数据库进行检索;口学校可以将公开的学位论文或解密后的学位论文作为资料在图书馆、资料室等场所及校园网上供校内师生阅读、浏览。本人学位论文全部或部分内容的公布(包括刊登)授权西安理工大学研究生学院办理.(保密的学位论文在解密后，‘适用本授权说明)~，:耸~各.拯卿岭。月抽摘要论文题目:基于马尔科夫随机场的纹理图像分类学科专业:模式识别与智能系统研究生:毕芳签名:指导教师:杨延西教授签名:训朴吸脚摘要纹理几乎是所有图像的固有特性，任何图像都可以看成是一种或是多种纹理的结合。现在对于纹理图像的分析和分类广泛用于瑕疵定位、景物识别、图像检索、遥感图像分析等多个领域。本文针对纹理图像的分类问题，提出了基于马尔科夫随机场模型的特征提取方法，然后加入一些辅助特征，利用BP人工神经网络来进行识别分类的方法。马尔科夫随机场是马尔科夫随机过程在二维参数中的推广。在数学上马尔科夫随机场是可以很好的表达纹理集聚的概率模型，它的统计参数能够表现出邻域像元集合的大小和方向，能够合理的描述出纹理图像的随机特性。在本文中根据纹理图像的特点构建了马尔科夫随机场模型，然后进行参数估计，求取纹理特征参数。应用人工神经网络对纹理参数进行模式分类，这是近几年兴起的模式识别领域的一个新的研究方向。实验结果证明，应用马尔科夫随机场模型提取的特征参数是有效的，人工神经网络模式识别分类方法是可行的。另外，在本文中还添加了一些能够表达纹理特点的纹理特征，主要是从灰度共生矩阵中提取的8个特征参数，以及能够很好表达纹理特征信息的纹理分形维数。实验证明，这些辅助特征对于纹理图像的识别工作能够起到一定的积极作用，提高了识别率。关键词:纹理图像;马尔科夫随机场;人工神经网络;分类本论文获得国家自然科学基金“带钢表面缺陷实时图像检测与识别关健技术研究”(编号:60805020)资助。么ABSTRACTTitle:TEXTUREIM[AGECLASSIFICATIONBASEDONMARKOVRANDOMFIELDMajor:PatternReeoginitionandIntelligentSystemName:FangBlSignature:SuPervisor:ProLYanXiYANGSignature:辫脚加K”勿Abst份CtTexture15almosttheinherentcharacteristicsofalltheimage，andanyimageeanbeviewedasoneormoretextureeombined.Nowadays，textureimageanalysisandelassifieation15widelyusedinble而shloeate，objeetreeognize，imageseareh，remotesensingimageanalysisandotherfields.Thisdissertationhasastudyontheelassifieationoftextureimages，ItIntrodueestheMarkovRandomField(MRF)modelandthemethodoffeatureParametersseleetion，andthenaddsomeeomPlementaryfeatures，lastly，BPartifieialneuralnetwork15usedtoidentifythetexnireimages.MarkovRandomField15extensionofMarkovProcessingatthetwo一dimensionalParametersset.MRF15ProbabilitymodeltoexPressteXturegatheringinmathematies.ThestatistiealParajrneterseanexPressthema娜tudeanddireetionofPixelsneighbothood，anddeseribetherandomcharactersofteXtureimage.50MRFmodel15builtaceordingtothetextUreeharaeteristies，andtheteXturePara们neters15acquiredafterestimation.Withartifieialneuralnetwork，theimagetextureaeeordingtoMRFeharacteristiePar别的eters.TheneuralnetworkPattem一reeognition15anewstudydireetionofPattem一reeognitioninreceniyears.TheresultProvesthatMRFParameters15effeetive，theartifieialneuralnetworkPattem一reeognition15feasible.Besides，inthisPaperalsoaddedsometextUrefeaturestoexPresstheeharacteristies，mainlyineluding8eha旧Ct6ristieParametersareextractedfromthegrayleveleo一oeeurrenmatrix(GLCM)，andthefraetaldimensionwhleheanbeexPressthetexturefeatu丁einformationwell.TheexPerimentsProvedthataneillaryfeatU丁esPlayaPositiverolefortheelassifieationofthetextureimages，andraisethereeognitionrateKeywords:textureimage，MarkovRandomField(MRF)，artifieialneuralnetwork，elassifieation夕目录目录1绪论.........................................................……11.1论文研究的目的和意义.......................................……11.2纹理图像分类的国内外研究现状...............................……21.3本文的主要研究内容和各章节安排.............................……32基于马尔科夫随机场的图像表面分析.....……‘...................……52.1马尔科夫随机过程..........................................……52.2马尔科夫随机场概述.........................................……52.3纹理模型的建立及参数估计...................................……72.3.1高斯一马尔科夫随机场模型的建立........................……72.3.2高斯一马尔科夫随机场模型及参数估计....................……82.4实验结果..................................................……102.5本章小结................................··················……173基于纹理特征参数的分类识别....................................……193.1图像纹理特征模式识别.....................................……193.1.1模式识别的基本原理..................................……193.1.2基于人工神经网络设计的纹理特征模式识别..............……193.2纹理图像分类结果及分析................……。............……233.2.1实验结果............................................……273.2.2结论................................................……293.3本章小结..........................................········……304基于灰度共生矩阵和分形维数的纹理特征的提取....................……314.1灰度共生矩阵.............................................……314.1.1灰度共生矩阵的定义..................................……314.1.2灰度共生矩阵的特点...................................……324.1.3灰度共生矩阵的特征参数..............................……324.1.4实验仿真............................................……344.2分形理论.................................................……364.2.1基于自相关函数的分形维数的计算方法..................……364.2.2实验仿真........................................···.……384.3本章小结.................................................……395基于遗传算法的特征优化及优化后纹理图像的分类..................……415.1遗传算法.................................................……415.2特征选择.............................................····……42戈西安理工大学硕士学位论文5.3基于遗传算法的特征选择...................................……425.3.1特征优化的设计......................................……435.3.2优化的结果..........................................……455.4基于特征优化前后的纹理图像识别分类...............