基于细分的碎形纹理的研究,用于在高斯噪声存在的情况下进行纹理分类
Shamik Tiwari1, Akhilesh Kumar Sharma2, Izzatdin Abdul Aziz3
1School of Computer Science & Engineering, IILM University, Gurugram, India.
PloS one
|January 10, 2025
概括
基于细分的碎形纹理特征 (SFTF) 在纹理分类中显示出卓越的性能,即使是高斯噪声. 这种方法实现了高准确率,优于传统的图像检索和分析的统计方法.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 机器学习 机器学习
背景情况:
- 纹理分类对于基于内容的图像检索至关重要,但性能随着图像噪声而下降.
- 现有的纹理分类方法与各种图像退化,特别是噪音,进行斗争.
- 基于细分的碎形纹理特征 (SFTF) 为复杂的纹理特征提供了强大的替代方案.
研究的目的:
- 评估基于细分的碎形纹理特征 (SFTF) 与基于统计时刻的特征的性能.
- 评估高斯噪声对这些纹理分类方法的影响.
- 为了确定SFTF在具有挑战性的,噪音严重的图像检索条件中的有效性.
主要方法:
- 评估了两个纹理特征提取方法:SFTF和统计时刻.
- 从这两种方法中手工制作的特征被输入到多层的前神经网络中进行分类.
- 在基尔伯格纹理数据集1.0上进行了实验,并没有添加高斯噪声.
主要成果:
- 与基于统计时刻的特征相比,基于细分的碎形纹理特征 (SFTF) 显示出更高的性能.
- 在没有高斯噪声的情况下,SFTF实现了99%的平均准确性.
- 即使在高斯噪声的存在下,SFTF也保持了高性能,平均准确率为97%.
结论:
- 基于细分的碎形分析是一种高度有效的纹理分类方法,对高斯噪声强大.
- SFTF显著优于传统的统计方法,特别是在图像退化条件下.
- 这些发现支持使用SFTF用于基于内容的图像检索和分析中可靠的纹理分类.
