计算机视觉技术在壁纸识别研究-

论文导读：是有效的，用其对壁纸进行识别是基本可行的。关键词：壁纸；计算机视觉；灰度共生矩阵；纹理1007-9599(2012)11-0000-01一、壁纸样本特征参数的获取纹理是一种普遍存在的视觉现象，如木材表面、草坪、皮肤、织物、水波等都有各自的纹理特征，而纹理特征是一种不依赖于颜色或亮度的反映图像中同质现象的重要特征。
摘要：为了实现对壁纸识别的自动化，根据其典型纹理特征，提出了一种基于灰度共生矩阵的识别算法。在建立实验样本库的基础上，获取样本的灰度共生矩阵特征参数，然后，将待测样本送入最近邻分类器进行识别，识别正确率为8

7.5%，结果表明，该方法是有效的，用其对壁纸进行识别是基本可行的。

关键词：壁纸；计算机视觉；灰度共生矩阵；纹理
1007-9599 (2012) 11-0000-01

一、壁纸样本特征参数的获取

纹理是一种普遍存在的视觉现象，如木材表面、草坪、皮肤、织物、水波等都有各自的纹理特征，而纹理特征是一种不依赖于颜色或亮度的反映图像中同质现象的重要特征。壁纸大都仿制木材表面、皮肤、织物等物体，具有典型的纹理特征。因此，本文采用经典的灰度共生矩阵法对壁纸进行纹理特征参数的获取。
数学定义：灰度共生矩阵是从图像灰度为i的像元位置为（x，y）出发，统计与其距离为d，灰度为j的像元(x+Dx， y+Dy)同时出现的频度P(i， j， d，θ)，数学表达为：
P(i， j， d，θ)={[ (x， y)， (x+Dx， y+ Dy) | f(x， y)= i；f(x+ Dx， y+ Dy)= j]} （1）
其中，θ为共生矩阵的生成方向，通常取0°、45°、90°、135°四个方向。Haralick等人由灰度共生矩阵提取了14个纹理特征参数，分别为角二阶矩、对比度、相关、熵、方差、均值和、方差和、逆差矩、差的方差、和熵、差熵、聚类阴影、显著聚类、最大概率，依次标为W1～ W14，表1列出了部分样本的纹理特征参数。

二、实验样本

实验样本选用了壁纸样本手册中的8类样本进行实验测试，每类样本包含100张初始样本图像，样本库共包含800张图像(100×8)，如图2所示。为了便于进行识别实验，将样本分成3部分，依次为：标准样本集(70×8)、测试样本集(30×8)。

三、实验分析

为了能真实地反映所获取特征的识别能力，应选择相对简单的分类器，从而避免分类器差异对识别率的影响，因此，本研究选择最近邻分类器对壁纸样本进行识别。
观察表2可见，对壁纸测试样本集的总体分类识别率为87.50%，获得了较高的分类识别率。其中，对第5类板材样本的识别率最低为750%，对第3类的识别率最高为100.0%，这也能够反映出样本自身的复杂程度和灰度共生矩阵特征参数对各类样本的描述能力。
四、结论：
本文使用最近邻分类器对壁纸测试样本集合进行分类，总体识别率为87.50%，表明灰度共生矩阵特征参数能够有效描述壁纸的纹理特征，同时也表明采用计算机对板材进行分类识别取代人工识别是基本可行的。
参考文献：
庄军,李弼程.一种基于灰度共生矩阵的文本图像识别方法[J].计算机工程,2006,32(3):214-216
王克奇,王辉,白雪冰.基于模拟退火算法和最近邻分类器识别率的特征选择方法[J].自动化技术与应用,2007,26(1):27-29
[3]杨彩霞.基于Gab源于：7彩论文网论文网站大全www.7ctime.com
or变换与最近邻分类器的字符识别方法[J].西安文理学院学报(自然科学版),2010,13(4):83-85
作者简介：
王晗(1982-)，女，工程师，辽宁大洼人，研究领域：计算机视觉、自动控制；王辉(1982-)，男，讲师，辽宁大洼人，研究领域：智能控制、图像处理与模式识别。