使用块强度与梯度差 (BIGD) 描述子的纹理分类
图像与视频处理
2020-02-05 v1 计算机视觉与模式识别
摘要
本文提出一种高效且具判别力的局部描述子，即块强度与梯度差（BIGD）。在图像块中，我们随机采样多尺度块对，并利用成对块之间的强度与梯度差来构造局部 BIGD 描述子。随机采样策略与多尺度框架有助于 BIGD 描述子在不同方向与空间粒度层次上捕获块的特征模式。我们使用局部聚合描述子向量（VLAD）或改进 Fisher 向量（IFV）将局部 BIGD 描述子编码为整图描述子，随后将其输入线性支持向量机（SVM）分类器进行纹理分类。我们在 Brodatz、CUReT、KTH-TIPS 以及 KTH-TIPS-2a 和 -2b 五个公开纹理数据集上评估分类性能，将所提描述子与典型及最先进的（SOTA）描述子进行比较。实验结果表明，所提 BIGD 描述子具有更强的判别力，比最先进的纹理描述子密集微块差（DMD）的分类准确率高 0.12% ~ 6.43%。
引用
@article{arxiv.2002.01154,
title = {Texture Classification using Block Intensity and Gradient Difference (BIGD) Descriptor},
author = {Yuting Hu and Zhen Wang and Ghassan AlRegib},
journal= {arXiv preprint arXiv:2002.01154},
year = {2020}
}