圆对称Gabor小波深度分解图像分类方法

摘要

本发明提出一种图像分类方法，该方法使用基于圆对称Gabor小波(CSGW)的深度分解方案，称为DD‑CSGW。由于CSGW有旋转不变特性，因而DD‑CSGW也是一种旋转不变的分解方法。深度分解是指通过使用CSGW的迭代和分层分解，这意味着较粗糙的子带可以通过CSGW连续分解成若干更精细的子带。由于DD‑CSGW变换域存在较强的依赖关系，因此我们使用Copula模型来捕获这些比例依赖，即用Copula模型刻画每一层的分解子带。同时使用了Copula模型参数和DD‑CSGW子带的均值和方差用来表示图像，并且使用SVM进行图像分类。本发明的深度分解方法效果在图像分类方面具有良好的性能，分类阶段速度较快，而且具有选择不变特性。