通过微调提取参数评估局部Tchebichef矩方法在纹理分类中的应用
计算机视觉与模式识别
2019-10-23 v1
摘要
在本文中，我们使用机器学习研究局部Tchebichef矩（Local Tchebichef Moments, LTM）在纹理分类问题中的应用。原始的LTM方法由Mukundan（2014）提出。LTM方法可用于多种不同的纹理分析方式，既可直接使用矩值，也可更简便地建立不同阶矩值之间的关系，生成类似于基于局部二值模式（Local Binary Pattern, LBP）方法的直方图。原始方法未在大型数据集上充分测试，且存在若干需刻画其性能的参数。这些参数包括核大小、矩阶数以及各矩的权重。我们以灵活的方式实现了LTM方法，以便修改可能影响其性能的参数。使用Outex数据集（一个流行的纹理分析基准）的四个子集，我们采用随机森林（Random Forests）构建模型并对纹理图像进行分类，记录每个分类器的标准指标。我们使用LBP方法的若干变体重复该过程以作比较。这使我们找到了用于纹理分类的LTM方法的最佳阶数与权重组合。
引用
@article{arxiv.1910.09758,
title = {Assessment of the Local Tchebichef Moments Method for Texture Classification by Fine Tuning Extraction Parameters},
author = {Andre Barczak and Napoleon Reyes and Teo Susnjak},
journal= {arXiv preprint arXiv:1910.09758},
year = {2019}
}