第1章 绪论 1
1.1纹理与纹理分类 1
1.1.1纹理的定义 1
1.1.2纹理分类 3
1.2基础理论和工具 6
1.2.1图像的多尺度几何变换 6
1.2.2特征提取与分类器设计 11
1.3本书的结构 13
参考文献 14
第2章 基于局部二进制模式的纹理分类 19
2.1纹理单元与度量比较 19
2.1.1纹理单元 19
2.1.2纹理度量比较 20
2.2 LBP方法 22
2.3改进的LBP方法 28
2.3.1主局部二值模式方法 29
2.3.2完整局部二值模式方法 32
2.3.3局部三值模式方法 41
2.3.4成对旋转不变共生LBP方法 43
2.3.5排序连续LBP方法 48
2.3.6多道解码LBP方法 51
2.3.7其他改进的方法 53
参考文献 54
第3章 基于小波域局部能量直方图建模的纹理分类 59
3.1基于小波域直方图比对的纹理分类 59
3.1.1小波域中的局部能量特征提取 59
3.1.2局部能量直方图 60
3.1.3相似度度量 61
3.2实验结果与分析 62
3.3小波子带不平衡问题 67
3.3.1加权对称Kullback-Leibler散度与图像间的相似性度量 67
3.3.2实验结果与分析 69
参考文献 72
第4章 基于轮廓波域乘积伯努利分布的纹理分类 73
4.1轮廓波域的乘积伯努利分布建模 74
4.2差异度测量和分类器 76
4.3实验结果与分析 76
4.3.1性能评估 77
4.3.2计算花费 79
参考文献 80
第5章 基于轮廓波域泊松混合模型的纹理分类 81
5.1泊松混合模型及其BYY和谐学习算法 82
5.2轮廓波域泊松混合模型与贝叶斯纹理分类器 84
5.2.1基于轮廓波变换的特征提取 84
5.2.2基于泊松混合模型的贝叶斯纹理分类器 89
5.3实验结果与分析 90
5.3.1分类效果 90
5.3.2与现存方法的比较 93
5.3.3对纹理分类时间的讨论 98
参考文献 99
第6章 基于轮廓波域聚类的纹理分类 101
6.1非随机初始化的c-均值聚类 101
6.2基于轮廓波子带聚类的特征提取 103
6.2.1基于非随机初始化的c-均值聚类的特征提取 103
6.2.2传统特性的提取 105
6.2.3特征向量的相似性度量 105
6.2.4分类 106
6.3实验结果与分析 106
6.3.1分类效果 106
6.3.2与现存方法的比较 109
6.3.3对纹理分类时间的讨论 112
参考文献 112
第7章 基于轮廓波域统计特征的纹理检索 115
7.1轮廓波子带的统计特征化 116
7.2图像间的相似性度量与纹理检索 118
7.3实验结果与分析 119
7.3.1检索效果 119
7.3.2大数据集上的检索效果与比较 121
参考文献 122
第8章 基于剪切波域线性回归模型的纹理分类与检索 124
8.1基于剪切波域线性回归模型的纹理分类 124
8.1.1剪切波子带依赖性的线性回归建模 125
8.1.2残差分析和相似性度量 129
8.1.3实验结果与分析 131
8.2基于剪切波域线性回归模型和伪反馈的纹理检索 134
8.2.1思想与步骤 135
8.2.2基于统计轮廓波子带特征的预检索 136
8.2.3实验结果与分析 138
参考文献 140
第9章 基于非负多分辨表示的纹理图像分类 141
9.1小波子带局部特征的增量相异直方图 142
9.1.1局部特征提取 142
9.1.2增量相异直方图 142
9.1.3非负多分辨表示 144
9.2海赛正则判别非负矩阵因子化 144
9.2.1目标函数 145
9.2.2更新规则 146
9.2.3收敛分析 147
9.2.4快速梯度下降 148
9.2.5在纹理分类中的应用 148
9.3实验结果与分析 149
9.3.1分类性能 150
9.3.2在更大数据集上的比较 152
9.3.3计算花费 156
参考文献 157
第10章 结论与展望 159
索引 162