一种基于小波变换的墙地砖缺陷图像特征提取方法.docx

一种基于小波变换的墙地砖缺陷图像特征提取方法由于墙地砖图像中的纹理信息大量存在于小波分解后的高频系数中而小波变换只对近似分量进行分解如缺陷与纹理相似时也极可能被去除。本文采用反映信息量的样本能量值作为图像特征即通过对图像进行小波变换分析纹理图像在不同尺度下的能量分布特征提取出各尺度的能量值。【关键词】小波变换改进的MALLAT算法特征提取墙地砖纹理描述的是信号的局部区域特征具有尺度性。当分辨率不同时同一局部会表现出不同的纹理特征。由于小波变换在时空、频域同时具有良好的局部化性质而且其多分辨率表示提供了图像纹理沿频率轴方向的基于尺度的信息分布。本文根据墙地砖纹理的随机性对图像进行多尺度分解并计算各个尺度上的能量其得到的能量值是与图像行循环平移无关的特征。这些能量不但消除了原始图像旋转带来的影响而且还使图像具有比例和平移不变量特性。1基于小波变换的图像特征提取方法1.1小波基的选择在基于小波分解的图像分割方法中小波基函数的选取至关重要。墙地砖的自动分类需要较强的实时性。为了快速和尽可能地去除分解数据的相关性选择正交小波函数。同时为了使矩阵变得更加稀疏以缩小计算量选择具有高消失矩的小波和尺度函数。本算法中选用小波函数系中的db2小波作为基小波。1.2改进的Mallat算法由于Mallat算法不具有平移不变性变换结果不适合直接用于纹理特征的提取。因此在本文中采用改进的Mallat算法使之具有变换的平移不变性从而有效的提取图像的纹理特征。1.3多尺度小波分解根据改进的MALLAT算法对图像进行小波变换利用小波变换的多尺度特性提取不同精度的图像得到近似细节分量、水平细节信号、垂直细节信号及对角细节信号。从小波分解子图像中提取纹理分析所需特征。其中能量是最为重要和常用的。由于细节子图像是原图像的高频分量包含了主要的纹理信息取各细节子图的能量作为纹理特征能够反映沿频率轴关于尺度和方向的能量分布。将小波分析应用于随机纹理墙地砖即对图像进行二维小波分解并提取出其小波能量计算出特征值本文利用小波能量值来提取适宜墙地砖纹理分析的最佳分解尺度。其基本原理为：样本能量值可以反映信息量的多少有利于纹理细节的充分表达与比较。不同尺度上LL、LH、HL、HH子图像的能量值与能量比例分布如表1所示。表1给出了分解得到尺度j（j=123）上图像的能量值分别对应各尺度上的四幅子图（LL子图、HL子图、LH子图、HH子图）。从表中可见分解尺度数从1变化到3时样本在LL子图的能量值基本不变或略微减少说明纹理的宏观结构虽然经过各尺度的分解但仍基本保持不变。因此这些能量值按尺度信号的能量求解按尺度顺序排列可以形成特征值。由于对角细节的能量值所占比重较小为了减小特征值的个数又因为图像的纹理细节主要在高频部分显示出来因此本文舍去对角细节与近似细节能量值只针对尺度1与尺度2的水平与垂直细节部分进行特征的提取为4个特征。此外根据提取图像特征的方法对墙地砖的峰度标准差灰度均值3个特征进行提取。表2中（a）-（e）为无缺陷、大面积缺陷、凹陷、裂纹、溶洞、水纹。2实验与结果分析由实验可看出小波分解尺度越多总体的特征向量就越多但在实际应用中多尺度和多特征向量不仅会显著地增加计算工作量而且随着尺度的增大小波变换涉及到的边界像素和超出边界的像素增多造成伪纹理的出现。经过小波分解后的图像虽基本保留了图像的缺陷信息但是图像中大量的纹理信息也被消除了如缺陷与纹理相似时则也被消除主要在于纹理信息大量存在于小波分解后的高频系数中而小波变换只对近似分量进行分解故纹理信息丢失。因此样本能量值可以反映信息量的多少有利于纹理细节的充分表达与比较。3结论本文提出了一种基于小波变换的不变量纹理提取方法。首先利用改进的MALLAT算法对图像进行一种平移和比例不变的小波变换构造出具有比例和平移不变性的图像多尺度能量图像该图像反映了纹理图像在不同尺度上的能量分布特征。作者简介李孟歆（1972-）女黑龙江省巴彦县人。博士学位。现为沈阳建筑大学信息学院教授主要从事模式识别、图像处理、智能控制研究。作者单位沈阳建筑大学信息学院学院辽宁省沈阳市110168