一种基于小波分析和分形维数的笔迹鉴别方法

笔迹鉴别是计算机模式识别和机器学习领域的一个研究热点。本文将中文手写笔迹看成一种纹理图像,利用多尺度小波纹理分析方法对其进行二维小波包分解,再提取各通道子图的能量和分形维数,最后采用BP神经网络进行分类识别,实验结果证明利用该方法进行笔迹识别具有很好的效果。     

基于色彩纹理特征的图像分类及应用

目的研究彩色数字图像的计算机分类识别方法并应用于古瓷片的自动分类。方法提出了一种色彩纹理特征的提取模型,采用该模型,利用IGabor滤波器提取数字图像的色彩纹理特征,并构造支持向量分类机(SVM)分类器组。结果实现了高准确率多类别图像的自动分类识别,并成功应用于古瓷片的自动分类。结论色彩纹理特征提取方法将颜色与纹理进行融合,增强了数字图像之间的特征区分能力。     

磨粒图像的纹理分析及识别

以磨粒显微图像分析为应用背景，引入方向测度对磨粒图像表面纹理特征进行描述．该方法对磨粒图像各方向的灰度变化规律进行统计分析，提取了8个纹理特征．然后以提取的纹理特征为输入矢量，利用径向基函数神经网络对磨粒纹理进行分类识别．应用实例表明，方向测度综合反映了磨粒纹理的方向性和粗糙性，可用于磨粒纹理特征的描述；所建立的基于神经网络的磨粒纹理分类模型学习速度快，识别率较高．     

基于车徽背景纹理识别的车徽定位新方法

车徽是汽车品牌的标志，是汽车分类与识别的重要依据．车徽定位是车徽识别的关键环节．笔者提出了一种新的车徽定位方法．首先，根据车徽和车牌的位置关系进行车徽的粗定位，其次，进行车徽背景的纹理识别，然后，通过边缘检测进行车徽的背景抑制，对水平纹理进行垂直边缘检测，对垂直纹理进行水平边缘检测，最后应用数学形态学进行滤波，精确定位用车徽．实验结果表明，此方法具有很好的车徽定位效果．     

对一类数据集识别问题的探究

利用粗糙集、知识库的理论引入了粒度、结构差离度、贴近度、中心差离度、边缘差离度等的概念，给出了数据集之间的距离公式．利用距离公式，分析了数据集之间的分类及识别问题，为计算机中的数据集分类、识别提供了又一有力的方法．     

基于最小二乘支持向量机和高分辨率遥感影像的大尺度区域岩性划分

基于大尺度区域分割的理念,提取高分辨率遥感图像中与岩性相关的纹理、形状、光谱信息,利用最小二乘支持向量机(LS-SVM)在非线性预测中的优势,对研究区地质岩性进行识别。首先对高分辨率图像中与岩性相关的光谱、纹理、形状、高程等特征信息进行样本选取,选取过程中以图像的纹理为主要特征信息,同时以J-M距离、转换分类度为依据选取最优特征空间,采用因子分析变换降维对特征空间进行压缩,实现特征信息最优化;然后对已知样本进行训练,建立分类模型,评价模型精度;最后利用模型对研究区进行岩性划分,并进行分类后处理。研究结果表明:基于LS-SVM的分类方法在利用高分辨率遥感图像岩性识别中表现良好,为地质岩性分类提供了一种新的方法和手段;加入纹理等信息后的LS-SVM分类模型更加利于岩性的判别。     

基于遗传算法的蔬菜缺素叶片图像特征选择研究

在基于计算机视觉技术的无土栽培蔬菜营养元素缺乏智能识别研究中，如何选择缺素叶片分类能力强的特征项组合是识别诊断面临的关键问题，利用遗传算法对提取的缺素叶片图像众多颜色和纹理特征项进行优化选择，以达到诊断识别用的信息最优，实验表明，经过优化的特征组合明显优于人工选择的特征组合分类能力。     

用自适应谐振网络进行图像纹理的分类与识别

分析了逢适应谐振神经网络模型的模式分类能力，并利用该网络来进行图像纹理的分类和识别，对６类自然景物的纹理图片分类和识别结果难验证了方法的有效性，对心脏超声图片的分类也取得一些初步成果。     

多类特征显微图像的识别

针对粉末状态下的中药材显微图像明显具有纹理的特性,提出了一种基于多类型特征组合的中药材显微图像的识别方法.分别使用了三种分析方法,即分形分析方法、小波分析方法、灰度/梯度共生矩阵法,在各种方法中提取对图像分类贡献较大的特征量,并组合成特征向量,作为识别的依据.实验中采用了k-近邻分类方法,实验结果表明了该方法的可行性和有效性,为中药材的定量识别提供了理论依据.     

基于遥感与GIS空间分析的电力优化选线研究

该文针对输电线路径优选的目标,依据多源遥感数据,基于各种地物类型光谱特征知识分析,并结合遥感影像的纹理特征,采用决策树分类算法提取影响输电线路径选择的主要因素。研究结果表明,该分类方法能有效地进行地物分类与识别,特别是综合光谱和纹理信息有效地解决了裸土与居民地的混分现象。同时利用遥感立体像对数据,基于数字摄影测量方法构建了DEM,其精度能够满足输电线路径优选的要求。综合地物和地形多要素作为输电线路径优选的约束条件,采用GIS空间分析方法,实现了输电线路径优选。     

基于Fisher准则的分类器在皮革正反面分类中的应用

制鞋业中的皮革表面缺陷查找和排样主要靠手工完成，因此效率低下．基于图像处理技术的自动化缺陷查找及排样，可以较大地提高生产效率．皮革的缺陷查找和排样，主要在皮革的正面进行，因此皮革正反面的自动判别是后续处理的关键．因为皮革具有典型的纹理特征，纹理图像其特殊的像素空间分布方式有别于普通的灰度图像，因此常用的灰度图像分类特征对纹理图像的分类不适用．而基于灰度共生矩阵提取纹理图像的统计量组成的特征向量，并在Fisher判别准则的基础上设计一种线性分类器来对皮革纹理图像进行分类．实验结果证实，该分类器可有效地对皮革的正反面进行分类。     

基于分形维数的皮革图像分类研究

为了对皮革图像进行分类,引入分形维数这一新特征,并通过毯子法计算皮革图像的分形维数,通过与实验所得的阈值进行比较实现牛皮和羊皮图像的分类.试验表明,该方法对牛皮和羊皮图像能进行有效的分类.     

基于SVM的图像分类研究

支持向量机（SVM）是一种优秀的分类方法,灰度共生矩阵（GLCM）是一种很好的纹理分析方法;本文研究了图像的颜色、纹理等特征对利用支持向量机进行图像分类的影响,提出了一种使用灰度共生矩阵进行综合特征提取的SVM图像分类方法。实验结果表明SVM方法的可行性和有效性,并得出图像综合特征的提取有利于分类效果的提高。     

基于综合特征的Bp_adaboost工业仪表图像分类方法

针对工业场景图像背景复杂,受多种因素影响、利用单个特征完成工业仪表图像分类不能达到满意效果的问题,提出了一种综合利用图像的颜色和纹理特征,通过Bp_adaboost的方法对工业仪表图像进行分类的方法。首先基于HSV空间进行低阶颜色矩特征提取;然后基于灰度共生矩阵进行纹理特征提取;最后用17维综合特征向量对工业仪表图像进行Bp_adaboost分类学习和测试。实验结果表明,该方法对液位控制系统工业仪表与液位容器设备图像能取得较好的分类结果。     

基于皮沟特征的无语言能力病人多种状态视觉识别

高危病人状态不可控,面部变化过程较为随机,当前以病人生理指标为主的人工监控为主,监控盲区较多,缺陷较大。提出了依据核主成分皮沟特征分析以及改进直方图的无语言能力病人状态识别方法。通过对病人面部皮沟进行特征提取,运用主成分分析方法采集病人表情图像皮沟间距、皮沟角度等特征,对病人图像特征进行平滑处理,过滤图像中的噪声因素,采用改进直方图获取病人人脸图像中皮沟像素点的圆形度特征,依次为依据,分析病人的状态情况。以某医院丧失语言能力的病人图像进行试验,实验结果说明,该方法可以及时识别出高危病人的休克、缺氧、抽搐、正常三种状态,对半脸采集,侧面特征也有较好的鲁棒性。     

基于D-S证据理论的纹理图像分类方法

在阐述Dempster-Shafer证据理论的基础上,给出了基于Dempster-Shafer证据理论的多源信息融合的方法,并将Dempster-Shafer证据理论的信息融合技术应用于遥感图像纹理的分类.图像灰度均值特征和图像灰度共生矩阵的熵特征作为纹理图像的不同特征被提取,并构成该理论中的证据,利用一定的决策规则,选择融合证据作用下最大的假设.实验结果表明,基于Dempster-Shafer证据理论的多特征融合分类识别图像纹理的新方法是切实有效的和可行的,分类结果要优于仅仅利用单个特征进行分类的结果,能极大地提高图像纹理的识别分类能力.     

结合Gabor滤波和同质性判定的高光谱图像分类

针对传统高光谱图像分类算法多利用目标类别光谱信息而忽略空间信息的问题,提出了一种综合利用空间信息与光谱信息的分类算法．首先,利用主成分分析（PCA）和无参数加权特征提取（NWFE）分别对高光谱数据进行特征提取;然后,在PCA第一主成分的基础上进行二维Gabor滤波得到像元纹理特征,结合纹理信息与光谱信息利用支持向量机对图像分类;最后利用多尺度区域同质性判定进一步改进图像分类精度．实验表明,该算法能够消除“噪声”像元,有效地提高图像分类精度．     

Land cover classification of remotely sensed image with hierarchical iterative method

Based on the analysis of the single-stage classification results obtained by the multitemporal SPOT 5 and Landsat 7 ETM+ multispectral images separately and the derived variogram texture, the best data combinations for each land cover class are selected, and the hierarchical iterative classification is then applied for land cover mapping. The proposed classification method combines the multitemporal images of different resolutions with the image texture, which can greatly improve the classification accuracy. The method and strategies proposed in the study can be easily transferred to other similar applications.     

Land cover classification of remotely sensed image with hierarchical iterative method

Land cover classification is one of the most wide ly used applications of remote sensing. The use ofmultitemporal remote sensing data in land cover clas sification is one of the effective methods of obtainingaccurate land cover/land use data. For a particularimage, different land cover types often show a similarspectral response and are difficult to separate. Theadvantage of using multitemporal data is that differentvegetation types show different spectral characteristicsin…