本文为美国密苏里大学（作者：BREWSTER, ERIC B.）的硕士论文，共68页。

在机器学习和模式识别领域，纹理特征一直是一个突出的研究领域。人类本身具有独特的感知来区分纹理，然而，计算机更能自动完成这一过程。计算机通过采集图像和提取描述其纹理的有意义的特征来实现这一点，其中一些特征包括哈拉利克纹理特征、局部二进制模式（LBP）和局部方向模式（LDP）。以局部方向模式为例，提出了一种新的纹理特征，即分区局部图像纹理直方图（HoPLIT）。此功能使用一组滤波器（不一定具有方向性），并在每个像素位置生成滤波器响应向量。这些响应向量可以被认为是文档中的单词，这会使得人们想到词袋模型，使用词袋模型，通过从整个数据集中分割响应向量的子集来创建码本。分割方式由它们各自的平均纹理表示，在码本中则对应一个单词；则平均纹理表示文档中的关键字，即图像。图像的直方图描述是指属于每个分区的像素频率，该特征应用于纹理分类、图像分割问题以及目标检测。在每个问题域中，将HoPLIT特征与哈拉利克纹理特性、LBP和LDP进行比较。HoPLIT特征能够很好地对纹理进行分类，并对大型纹理的马赛克进行分割。HoPLIT对噪声也表现出惊人的鲁棒性。对于HoPLIT，目标检测比纹理分类稍微困难一些，然而，它的表现仍然优于LBP和LDP。

1 引言

2 项目背景

3 分割局部图像纹理的直方图

4 纹理分类与分割

5 目标检测

6 结论与未来工作展望 

下载英文原文地址：

http://page2.dfpan.com/fs/7lcj6221d2918628b02/

更多精彩文章请关注微信号：