彩色纹理图像数据库和实验设置优化方案

2025-09-29 理论教育版权反馈

【摘要】：为了评估本章所提出方法的性能，本节在标准的CUReT彩色纹理图像数据库和KTH-TIPS彩色纹理图像数据库上开展实验。因此，KTH-TIPS纹理库一共含有810个样本图像。在开展实验时，对CUReT和KTH-TIPS这两个彩色纹理图像数据库的实验设置如下：在CUReT纹理库上进行实验时，从每个纹理类别随机挑选N2=46个样本作为训练数据，每个纹理类别剩下的92-N2=46个样本作为测试数据。

为了评估本章所提出方法的性能，本节在标准的CUReT彩色纹理图像数据库和KTH-TIPS彩色纹理图像数据库上开展实验。

CUReT彩色纹理库的拍摄对象是真实世界中存在的61类纹理材料（如毛毡、皮革、砂纸、丝绒、毛玻璃、草皮、铝箔、海绵、动物皮毛和面包等），每个类别包含92个纹理样本图像，即该纹理库一共有5 612个纹理样本图像，并且每个样本图像的分辨率均为200×200，这些样本图像是在不同的光照条件和不同的视角下拍摄的。对CUReT纹理库而言，其特征提取和识别的难度在于该纹理库的很多样本具有较大的类内差异和较小的类间差异，同时光照条件等因素的影响以及CUReT纹理库的样本类别数目较多，这些因素都增加了CUReT纹理库中样本图像特征提取和识别的难度，使CUReT纹理库成为一个富有挑战性的标准纹理图像数据库。关于CUReT纹理库特征的详细描述可见本书第2.4.1节的介绍。

KTH-TIPS彩色纹理库由10个类别的纹理材料组成，具体包括铝箔、砂纸、海绵、灯芯绒、亚麻布、棉织物、面包、桔子皮、聚苯乙烯泡沫和薄脆饼干。对每个类别的纹理材料，在3种不同的照明条件、3个不同的视角和9个不同的尺度下进行拍摄，所以每个类别可获取3 ×3 ×9 =81个样本图像。因此，KTH-TIPS纹理库一共含有810个样本图像。在拍摄样本图像时，通过改变相机与样本的距离来改变尺度参数，大部分样本图像的分辨率为200×200。和CUReT纹理库相比，虽然KTH-TIPS纹理库的样本类别数目减少了（CUReT纹理库含有61个纹理类别，而KTH-TIPS纹理库含有10个纹理类别），但KTH-TIPS纹理库最大的挑战性是引入了CUReT纹理库所不具有的大范围的尺度变化，这些因素增加了KTH-TIPS纹理库中纹理样本的识别难度，使在KTH-TIPS纹理库上开展纹理图像的特征提取和识别任务变得更具挑战性。关于KTH-TIPS纹理库特征的详细描述可见本书第2.4.1节的介绍。

在开展实验时，对CUReT和KTH-TIPS这两个彩色纹理图像数据库的实验设置如下：

（1）在CUReT纹理库上进行实验时，从每个纹理类别随机挑选N2=46个样本作为训练数据，每个纹理类别剩下的92-N2=46个样本作为测试数据。

（2）在KTH-TIPS纹理库上进行实验时，从每个纹理类别随机挑选N1=40个样本作为训练数据，每个纹理类别剩下的81-N1=41个样本作为测试数据。(https://www.chuimin.cn)

（3）为了获得稳定的实验结果，将上述对训练数据集和测试数据集的随机划分独立重复进行100次，每次划分独立进行一次实验，然后计算这100次独立实验结果的平均值，将其作为最终的纹理识别结果。

需要说明的是，本书第2章至第4章所涉及的纹理图像特征提取和识别方法只利用了KTH-TIPS和CUReT纹理库的灰度纹理特征，没有使用颜色信息，而本章提出的方法同时使用了这两个纹理库的颜色信息和灰度纹理特征，即把灰度纹理特征和粗略的颜色信息进行级联融合，作为彩色纹理图像的特征描述子，并用于纹理图像识别。

在提取灰度纹理特征时，采用本书第4章提出的对光照强度、图像旋转和尺度变化具有稳健性的改进CLBP方法，与该算法相关的参数设置如下：高斯滤波次数n=2，高斯滤波器的尺寸为13×13，高斯滤波器的标准差σ=2，DDT-CLBP算法的参数R=[1， 3， 5]，P=[8， 12， 16]。

实验平台：一台计算机（Intel Core i3-6100 CPU @ 3.70GHz， 4GB RAM），MATLAB R2016b软件，Windows 10操作系统。

彩色纹理图像数据库和实验设置优化方案

相关推荐