一种基于Radon变换的改进型纹理特征提取算法的利记博彩app

技术特征：

1.一种基于Radon变换的改进型纹理特征提取算法，其特征在于，包括Radon变换、双树复小波变换、子带系数的提取、特征值的计算、特征向量的构造、相似度的计算，对图像进行Radon变换、双树复小波变换是本算法的核心；所述Radon变换是对原始图像进行Radon变换，通过图像Radon域系数与图像旋转角度的关系来提取旋转不变量；所述双树复小波变换是对Radon变换过后得到的投影矩阵进行的变换；所述子带系数的提取、特征值的计算以及特征向量的构造都是在双树复小波变换的基础上进行的；所述相似度的计算是根据输入图像与图像数据库中，图像纹理特征向量的欧氏距离来计算的，从而检索出与目标图像匹配的图像。

2.基于Radon变换的改进型纹理特征提取算法，其特征在于，使用方法如下：

(1)对原始图像进行Radon变换(g_θi(1),g_θi(2),···,g_θi(N))Radon域θ角方向的投影序列，R_f则是Radon域所有角方向组成的投影矩阵；

(2)对R_f矩阵的每一列，即每个对进行3层双树复小波变换，共生成9个高频子带和1个低频子带；

(3)计算各子带的均值(M)、方差(σ)、能量(E)，以上10个子带的均值、方差和能量就生成了1维的特征向量，第i层的均值、方差、能量分别是：

$M_i=\frac{1}{MN}\underset{x=1}{\overset{M}{\Σ}}\underset{y=1}{\overset{N}{\Σ}}\left|I_i(x,y)\right|$

${\mathrm{\σ}}_i=\sqrt{\frac{1}{MN}\underset{x=1}{\overset{M}{\Σ}}\underset{y=1}{\overset{N}{\Σ}}{\left(I_i\right(x,y)-M_i)}^2}$

$E_i=\frac{1}{MN}\underset{x=1}{\overset{M}{\Σ}}\underset{y=1}{\overset{N}{\Σ}}{I_i}^2(x,y)$

图像的纹理特征向量即是：f＝(M₁,σ₁,E₁,M₂,σ₂,E₂,…,M₁₀,σ₁₀,E₁₀)；

(4)用纹理特征向量进行相似度计算，根据计算所得的相似度得出检索结果。