A New Windowing Technique in Texture Classification

Abstract

Texture classification is an important task in scene analysis, remote sensing, defect recognition from images for quality control and other industrial application areas. Recently, wavelet-based methods e.g.: DWT (Discrete Wavelet Transform), CWT (Continuous Wavelet Transform), Wavelet Packets, Wavelet frames have been proposed for texture features extraction. In this note, a new windowing algorithm is proposed, which forms variable sizes texture sub-images randomly rotated between 0° and 360° for training neural networks classifier with fast adaptive backpropagation algorithm. Non-subsampled wavelet frame transform has been used for feature extraction of 16 textures from a set of Brodatz’ album, by means of various wavelet families. Very good classification performance has been obtained with the new windowing technique, when compared with that of the classical non-overlapping windowing method.

Doku sınıflandırma, Senaryo analizi, Uzaktan algılama, Kalite kontrolünde resimlerdeki bozuklukları tanıma ve diğer endüstriyel uygulama alanlarında önemli bir işlemdir. Yakın tarihlerde, dalgacık tabanlı metodlar, örneğin; DWT (Aynk Dalgacık Dönüşümü), CWT (Sürekli Dalgacık Dönüşümü), Dalgacık Paketleri, Dalgacık Çerçeveleri, Doku Öznitelik çıkarımı için teklif edilmiştir. Bu makalede, hızlı adaptif geriye yayınımlı algoritmalı yapay sinir ağını eğitmek için, 0° - 360° arasında rastgele döndürülmüş ve değişken boyutlarda doku altömekleri oluşturan yeni bir pencereleme algoritması teklif edildi. Alt-ömeklemesiz dalgacık çerçeve dönüşümü, değişik dalgacık aileleri vasıtasıyla, Brodatz albümünden 16 dokunun öznitelik çıkarımı için kullanıldı. Klasik, örtüşmeyen pencereleme metodununkiyle mukayese edildiğinde, bu yeni pencereleme tekniği ile çok daha iyi bir sınıflandırma performansı elde edildi.