用于纹理图像分类的单演小波散射网络
图像与视频处理
2022-02-28 v1 计算机视觉与模式识别
复变函数
摘要
散射变换网络（STN）具有与流行卷积神经网络相似的结构，不同之处在于其使用预定义卷积滤波器和少量层，能够生成相对于微小形变具有鲁棒性的输入信号表示。我们提出了一种新颖的单演小波散射网络（MWSN），用于二维纹理图像分类，通过用单演小波滤波替换标准 STN 中的二维 Morlet 小波滤波，级联单演小波滤波与非线性模和平均算子。我们的 MWSN 可以提取具有可解释系数的有用层次化和方向性特征，这些特征可进一步由 PCA 压缩并输入分类器。使用 CUReT 纹理图像数据库，我们证明了 MWSN 相对于标准 STN 的优越性能。这种性能提升可由一维解析性到二维单演性的自然扩展来解释。
引用
@article{arxiv.2202.12491,
title = {Monogenic Wavelet Scattering Network for Texture Image Classification},
author = {Wai Ho Chak and Naoki Saito},
journal= {arXiv preprint arXiv:2202.12491},
year = {2022}
}