留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于纹理特征的图像复杂度研究

陈燕芹 段锦 祝勇 钱小飞 肖博

陈燕芹, 段锦, 祝勇, 钱小飞, 肖博. 基于纹理特征的图像复杂度研究[J]. 中国光学, 2015, 8(3): 407-414. doi: 10.3788/CO.20150803.0407
引用本文: 陈燕芹, 段锦, 祝勇, 钱小飞, 肖博. 基于纹理特征的图像复杂度研究[J]. 中国光学, 2015, 8(3): 407-414. doi: 10.3788/CO.20150803.0407
CHEN Yan-qin, DUAN Jin, ZHU Yong, QIAN Xiao-fei, XIAO Bo. Research on the image complexity based on texture features[J]. Chinese Optics, 2015, 8(3): 407-414. doi: 10.3788/CO.20150803.0407
Citation: CHEN Yan-qin, DUAN Jin, ZHU Yong, QIAN Xiao-fei, XIAO Bo. Research on the image complexity based on texture features[J]. Chinese Optics, 2015, 8(3): 407-414. doi: 10.3788/CO.20150803.0407

基于纹理特征的图像复杂度研究

doi: 10.3788/CO.20150803.0407
基金项目: 国家高技术研究发展计划(863项目)资助项目(No.2013AA7XX10XX)
详细信息
    通讯作者:

    陈燕芹(1987-),女,山东菏泽人,硕士研究生,2012年于滨州学院获得学士学位,主要从事模式识别和图像复杂度方面的研究。E-mail:chenyanqin101329@sina.com

    段 锦(1971-),男,吉林长春人,教授,博士生导师,1993年于北京理工大学获得学士学位,1998年于沈阳工业学院获得硕士学位,2004年于吉林大学获得博士学位,主要从事图像处理、模式识别、光电检测等方面的研究。E-mail:duanjin@vip.sina.com

    祝 勇(1980-),男,四川眉山人,讲师,主要从事计算机仿真、图像处理、模式识别方面的研究。E-mail:zhy991112@sina.com

    钱小飞(1987-),男,内蒙古人,硕士研究生,主要从事图像目标检测与识别方面的研究。E-mail:qjf0805@163.com

    肖 博(1987-),男,新疆乌鲁木齐人,博士研究生,2009年于吉林大学获得学士学位,2013年于长春理工大学获得硕士学位,主要从事图像目标识别和图像复杂度方面的研究。E-mail:706992535@qq.com

  • 中图分类号: TP391.4

Research on the image complexity based on texture features

  • 摘要: 为了更好地描述图像内部的复杂程度,建立图像复杂度与各指标之间的数学模型是研究图像复杂度最关键的一步。首先从图像纹理出发,试图建立图像复杂度与各指标之间定量、精确的数学关系描述。针对目前图像复杂度与各衡量指标之间没有明确的数学关系的特点,文中采用灰度共生矩阵对纹理的主要特征参数进行分析,提出了基于BP神经网络的图像复杂度评价方法,建立了图像复杂度与各个指标之间非线性的数学评价模型。通过大量的图片对神经网络进行训练学习,得到各指标的权重值。验证结果表明,所建评价模型能够真实地反映图像内部的复杂程度,获得的实验结果与人类视觉感知的结果基本一致。对于将BP神经网络应用于图像复杂度的研究具有一定的参考价值。
  • 图  1  BP网络模型

    Figure  1.  BP network model

    图  2  不同等级复杂度的测试图片

    Figure  2.  Test images of different levels of complexity

    图  3  图像复杂度3种结果比较

    Figure  3.  Comparison of three image complexity results

    表  1  图像复杂度等级划分

    Table  1.   Image complexity classification

    下载: 导出CSV

    表  2  图像纹理评价各神经网络参数表

    Table  2.   Image texture evaluation of the neural network parameter table

    下载: 导出CSV

    表  3  图像纹理BP神经网络训练的样本数据

    Table  3.   Sample data of image texture and the training of BP neural network

    下载: 导出CSV

    表  4  图像复杂度评价指标权重

    Table  4.   Weights of image complexity evaluation index

    下载: 导出CSV

    表  5  本文方法与文献[4]方法对比表

    Table  5.   Comparison of the method proposed in this paper with the method in literature[4] proposed in this paper

    下载: 导出CSV
  • [1]
    [2]

    [3]
    [4]
    [5]

    [6]

    [7]

    [8]

    [9]

    [10]

    [11]

    [12]

    [13]

    [14]
    [15]

  • 加载中
图(3) / 表(5)
计量
  • 文章访问数:  676
  • HTML全文浏览量:  77
  • PDF下载量:  1008
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-11-15
  • 录用日期:  2015-01-17
  • 刊出日期:  2015-01-25

目录

    /

    返回文章
    返回