Contourlet变换和分形维的图像特征提取与识别

摘要 针对图像单一特征量目标识别率不高的问题,提出一种基于Contourlet变换和分形维的特征提取与识别算法.首先对图像进行Contourlet变换（CT）得到低频子带和高频子带,然后计算低频子带的组合不变矩特征,同时通过代价函数挑选最优高频子带,提取高频子带的分形维特征并使用对比敏感函数（CSF）对不同高频子带的分形维数加权,最后将提取出的低频特征以及高频特征组合成复合特征向量,利用欧氏距离进行相似性度量完成图像目标物识别,该算法有效地融合了不变矩的全局不变性和Contourlet变换的多尺度、多方向局部细节特性.对比实验结果表明,该方法在各种变化条件下均具有较好的识别效果和运行效率,平均识别率达96%以上