Skala samförekomstmatris

Scale co-occurrence matris (SCM) är en metod för extrahering av bildfunktioner inom skalutrymme efter wavelet-transformation , föreslagen av Wu Jun och Zhao Zhongming (Institute of Remote Sensing Application, Kina ). I praktiken gör vi först diskret wavelet-transformation för en grå bild och får delbilder med olika skalor. Sedan konstruerar vi en serie skalbaserade samtidiga matriser, där varje matris beskriver grånivåvariationen mellan två intilliggande skalor. Sist använder vi utvalda funktioner (som Harris statistiska tillvägagångssätt) för att beräkna mätningar med SCM och göra funktionsextraktion och klassificering. En grund för metoden är faktumet: hur texturinformation ändras från en skala till en annan kan representera den texturen i viss mån, så att den kan användas som ett kriterium för funktionsextraktion. Matrisen fångar förhållandet mellan särdrag mellan olika skalor snarare än särdragen inom ett enda skalutrymme, vilket kan representera strukturens skalegenskaper bättre. Det finns också flera experiment som visar att det kan få mer exakta resultat för texturklassificering än den traditionella texturklassificeringen.

Bakgrund

Textur kan ses som en likhetsgruppering i en bild. Traditionell texturanalys kan delas in i fyra huvudfrågor: funktionsextraktion, textururskiljning, texturklassificering och form från textur (för att rekonstruera 3D-ytgeometri från texturinformation). För utvinning av traditionella egenskaper kategoriseras metoder vanligtvis i strukturella, statistiska, modellbaserade och transformationer. Wavelet-transformation är en populär metod inom numerisk analys och funktionsanalys, som fångar både frekvens- och platsinformation. Grånivå samförekomstmatris ger en viktig grund för SCM-konstruktion. SCM baserad på diskret wavelet-ramtransformation använder sig av både korrelationer och funktionsinformation så att den kombinerar strukturella och statistiska fördelar.

Diskret wavelet-ram (DWF)

För att göra SCM måste vi först använda diskret wavelet frame (DWF) transformation för att få en serie underbilder. De diskreta wavelet-ramarna är nästan identiska med standardwavelet-transformen, förutom att man uppsamplar filtren snarare än nedsamplar bilden. Givet en bild, sönderdelar DWF sin kanal med samma metod som wavelet-transformen, men utan subsamplingsprocessen. Detta resulterar i fyra filtrerade bilder med samma storlek som ingångsbilden. Nedbrytningen fortsätter sedan i LL-kanalerna endast som i wavelet-transformen, men eftersom bilden inte är subsamplad måste filtret uppsamplas genom att infoga nollor mellan dess koefficienter. Antalet kanaler, därav antalet funktioner för DWF ges av 3 × l − 1. Endimensionell diskret wavelet-ram bryter ner bilden på detta sätt:

displaystyle d_{i}(k)=[[g_{i}]^{T}x],\ quad (i=1,\ldots ,N)}

Exempel

₀₀₀ Om det finns två underbilder X ₁ och X från den överordnade bilden X (i praktiken X = X ), X ₁ = [1 1;1 2], X ₂ = [1 1;1 4], är gråskalan 4 så att vi kan få k = 1, G = 4. X ₁ (1,1), (1,2) och (2,1) är 1, medan X (1,1), (1,2) och (2) ,1) är 1, således Φ ₁ (1,1) = 3; På liknande sätt är Φ ₁ (2,4) = 1. SCM är följande:

G=4	Grå nivå 0	Grå nivå 2
Grå nivå 0	0	0
Grå nivå 1	3	0
Grå nivå 2	0	0
Grå nivå 3	0	0
Grå nivå 4	0	1

externa länkar

Tao Chen; Kai-Kuang Ma; Li-Hui Chen (1998). "Diskret wavelet ramrepresentationer av färgtexturfunktioner för bildfråga". 1998 IEEE andra workshop om multimediasignalbehandling (kat.nr. 98EX175) . ieeexplore.ieee.org. s. 45–50. doi : 10.1109/MMSP.1998.738911 . ISBN 0-7803-4919-9 . S2CID 1833240 .
co-occurrence-matris MATLAB handledning
Samförekomst Matrix