[论文解读] Texture Based Image Segmentation of Chili Pepper X-Ray Images Using Gabor Filter

M. Rajalakshmi, P. Subashini|arXiv (Cornell University)|Apr 15, 2014

Spectroscopy and Chemometric Analyses参考文献 11被引用 8

一句话总结

本文提出一种基于纹理的辣椒X射线图像分割方法，采用Gabor滤波器提取纹理响应，随后通过灰度共生矩阵（GLCM）和一阶统计量进行特征提取，最后使用支持向量机（SVM）进行分类。该方法实现了84%的准确率，优于仅使用一阶统计量的特征提取方法，证明了GLCM在农业X射线图像纹理分割中的有效性。

ABSTRACT

Texture segmentation is the process of partitioning an image into regions with different textures containing a similar group of pixels. Detecting the discontinuity of the filter's output and their statistical properties help in segmenting and classifying a given image with different texture regions. In this proposed paper, chili x-ray image texture segmentation is performed by using Gabor filter. The texture segmented result obtained from Gabor filter fed into three texture filters, namely Entropy, Standard Deviation and Range filter. After performing texture analysis, features can be extracted by using Statistical methods. In this paper Gray Level Co-occurrence Matrices and First order statistics are used as feature extraction methods. Features extracted from statistical methods are given to Support Vector Machine (SVM) classifier. Using this methodology, it is found that texture segmentation is followed by the Gray Level Co-occurrence Matrix feature extraction method gives a higher accuracy rate of 84% when compared with First order feature extraction method. Key Words: Texture segmentation, Texture filter, Gabor filter, Feature extraction methods, SVM classifier.

研究动机与目标

• 为解决基于纹理差异准确分割辣椒X射线图像的挑战。
• 评估Gabor滤波器在提取辣椒X射线图像纹理特征方面的有效性。
• 比较两种特征提取方法——灰度共生矩阵（GLCM）和一阶统计量——在纹理分割中的性能表现。
• 使用支持向量机（SVM）对分割区域进行分类，并确定实现最高准确率的最优特征集。

提出的方法

• 对辣椒X射线图像应用Gabor滤波器，以提取纹理响应并检测纹理不连续性。
• 在Gabor滤波输出上应用三种纹理滤波器——熵、标准差和范围，以增强纹理表征。
• 在滤波输出上使用灰度共生矩阵（GLCM）和一阶统计量进行统计特征提取。
• 将GLCM和一阶统计量提取的特征输入支持向量机（SVM）分类器，用于区域分类。
• 使用辣椒X射线图像数据集对分割与分类流程进行评估。
• 通过分类准确率衡量性能，并将GLCM特征与一阶统计量进行对比。

实验结果

研究问题

• RQ1 Gabor滤波是否能有效提取辣椒X射线图像的纹理特征以用于分割？
• RQ2 在分类X射线图像中的纹理区域时，基于GLCM的特征提取方法与一阶统计量相比表现如何？
• RQ3 结合SVM的Gabor滤波纹理分割方法可达到的最大分类准确率是多少？
• RQ4 在特征提取前，集成多种纹理滤波器（熵、标准差、范围）是否能提升分割质量？
• RQ5 在分类辣椒X射线图像区域时，哪种特征提取方法——GLCM或一阶统计量——能带来更高的准确率？

主要发现

• 所提出方法在使用灰度共生矩阵（GLCM）特征提取时，实现了84%的分类准确率。
• 基于GLCM的特征提取优于一阶统计量，在相同实验设置下后者准确率较低。
• 将Gabor滤波与纹理滤波器（熵、标准差、范围）结合，增强了分割的纹理表征能力。
• 使用SVM作为分类器，能够有效区分辣椒X射线图像中的不同纹理区域。
• 结果表明，结合Gabor滤波器与GLCM特征的纹理分割方法，是农业图像分析中可行的方案。
• 本研究证实，从GLCM中提取的统计纹理特征，相较于一阶统计量，对本应用场景更具判别力。