逆半调技术将半色调图像恢复成连续的灰度图像,是半色调技术的相反过程,其广泛应用于图像的锐化、大小调整、校色、压缩等图像处理。现有的逆半调技术分为通用逆半调和专用逆半调。通用型逆半调技术用于某种半色调图像的重建时,由于缺少相关半调模式信息,很难获得半调图像的最优重建。专用型技术利用特定半调模式特点和相关知识,在理论上可获得特定半调模式的最优重建,但在实际应用中,由于图像半调模式未知,很难选择某种专用型逆半调技术来实现数字半调模式的最优重建。然而专用型逆半调技术中存在的问题,可通过识别半色调图像的半调模式来解决。所以半色调图像的分类就显得十分重要。论文主要对半色调图像分类算法做了较深入的研究,主要研究工作如下:(1)结合局部二值化模式思想,提出了一种邻域像素相关描述子算法。首先,结合局部二值化模式,获取邻域像素相关图。其次,考虑像素之间的相关性、像素间距离及像素间角度三个因素,设计了邻域像素相关描述子算法。最后,利用BP神经网络进行分类实验以验证方法的有效性。实验表明,邻域像素相关描述子算法比现有方法在计算复杂度、识别精度等性能方面都有所改善。(2)针对协方差矩阵计算时间较长且分类效果并不明显的问题,提出了一种基于改进协方差矩阵的分类方法。根据协方差矩阵在实现半色调图像分类中个数少且并未体现其局部和全局信息的特性,对协方差矩阵的底层特征进行改进。首先将水平边缘算子和垂直边缘算子通过运算后生成两个特征值,加入协方差矩阵的底层特征,完成半色调图像特征提取,最后对图像进行分类。实验表明,改进的协方差矩阵方法可提高图像的正确分类率,并且分类器的性能更稳定。