图像的纹理与结构双视图分类
计算机视觉与模式识别
2019-08-27 v1
摘要
纹理特征与结构特征可被视为“双视图”特征集。受多视图学习近期进展的启发，我们提出了一种新颖的双视图分类方法，该方法对每个特征集进行建模，并高效地优化合并这些视图的过程。本文给出了该方法在真实世界数据分类中的实现示例，特别关注医学图像。我们首先将全纹理图像分解为两层表示，分别对应自然随机纹理（NST）与结构层。结构性的、边缘与曲线类型的信息主要由局部空间相位表示，而纯NST具有随机相位，并以高斯性与自相似性为特征。因此，NST由二维自相似过程——分数布朗运动（fBm）建模。表征fBm的赫斯特参数规定了纹理的粗糙或不规则程度。这引导我们对其估计并与从结构层提取的其他特征一并实现，以构建用于我们分类方案的“双视图”特征集。利用一个浅层神经网络（NN）以直接且高效的方式执行合并这些特征集的过程。
引用
@article{arxiv.1908.09264,
title = {Texture and Structure Two-view Classification of Images},
author = {Samah Khawaled and Michael Zibulevsky and Yehoshua Y. Zeevi},
journal= {arXiv preprint arXiv:1908.09264},
year = {2019}
}