Radon变换与DT-CWT结合的纹理特征提取新方法

"一种改进的基于Radon变换的纹理特征提取方法通过应用Radon变换和双树复数小波变换(DT-CWT)，解决了轮胎图案图像检索中的旋转不变性问题，提高了特征提取的效率和准确性。" 在刑事侦查领域，图像数据库的检索是至关重要的，特别是对于轮胎图案这样的关键图像数据。轮胎花纹图像由于其独特的结构，可以提供重要的线索，帮助调查犯罪现场。然而，图像的旋转往往会导致检索精度下降，这成为了一个亟待解决的问题。为此，研究者们提出了一个创新的方法，旨在改进纹理特征提取，使其对图像旋转具有更好的不变性。 该方法的核心在于结合了Radon变换和DT-CWT。Radon变换是一种将图像投影到直线空间的技术，能够捕获图像的线性特征，因此对于处理旋转问题非常有效。在第一步中，轮胎图案图像被投影到Radon域，以减少旋转对纹理特征的影响。接着，DT-CWT被应用到Radon域中每个方向的系数上。DT-CWT是一种复数小波变换，它提供了多分辨率分析，并且在处理旋转和方向性问题时表现出色。通过这种方式，图像的纹理特征可以在多个尺度和方向上得到细致的分析。 在第三步中，从每个DT-CWT子带中提取平均值、方差和能量等统计特征，这些特征反映了图像的局部变化和能量分布，从而形成了一组旋转不变的纹理特征描述符。实验结果表明，这种方法相比使用Ridgelet变换等其他方法，能更有效地解决图像旋转问题，并在实际轮胎图案图像上取得了优秀的性能，提高了纹理特征提取的准确性和检索效率。 该研究提出的改进的基于Radon变换的纹理特征提取方法，通过结合Radon变换的线性特性与DT-CWT的方向敏感性，成功地增强了纹理特征的旋转不变性，对于犯罪现场调查和图像数据库检索具有显著的实用价值。这种方法不仅在理论上有重要贡献，而且在实际应用中也展示了良好的效果，有望在未来成为该领域的标准技术之一。