Rotation-Invariant Texture Classification Using Gabor Wavelet

Gabor 웨이블릿을 이용한 회전 변화에 무관한 질감 분류 기법

In this paper, we propose a new approach for rotation invariant texture classification based on Gabor wavelet. Conventional methods have the low correct classification rate in large texture database. In our proposed method, we define two feature groups which are the global feature vector and the local feature matrix. The feature groups are output of Gabor wavelet filtering. By using the feature groups, we defined an improved discriminant and obtained high classification rates of large texture database in the experiments. From spectrum symmetry of texture images, the number of test times were reduced nearly 50%. Consequently, the correct classification rate is improved with $2.3%{\sim}15.6%$ values in 112 Brodatz texture class, which may vary according to comparison methods.

본 논문에서는 가보 웨이블릿(Gabor Wavelet)을 이용한 회전 변화에 무관한 질감 분류 기법을 제안한다. 기존의 방법들은 대용량 질감 데이터베이스에서 낮은 정정분류비(Correct Classification Rate)를 나타내었다. 제안한 방법은 가보 웨이블릿 필터링 된 영상에서 전역 특징 벡터(Global Feature Vector)와 지역 특징행렬(Local Feature Matrix)을 정의하였다. 회전 변화에 무관한 두 가지 특징 그룹을 이용하여 개선된 유사도 측정 판별식(Discriminant)을 정의하였으며, 실험을 통하여 대용량 질감 데이터베이스에 적용한 결과 향상된 정정분류비를 얻을 수 있었다. 또한 질감 영상 스펙트럼의 대칭성을 이용하여 기존의 방법보다 실험회수를 50% 가까이 감소시켰다 결론적으로 112개의 브로다츠(Brodatz) 질감 클래스에서 비교 방법에 따라 차이는 있으나 $2.3%{\sim}15.6%$의 향상된 정정분류비를 얻었다.