基于多特征的旋转不变纹理图像检索

为了消除图像旋转对图像检索的影响,提出了一个基于非下采样轮廓波变换、灰度共生矩阵和新相似性度量的旋转不变纹理图像检索算法。非下采样轮廓波变换具有各向异性和平移不变性。灰度共生矩阵描述了图像的方向性、邻近空间关系和方差的变化范围。通过计算每个非下采样轮廓波变换尺度下的所有子带的平均能量和平均标准差,灰度共生矩阵的二阶矩角、惯性熵、惯性矩、反差分矩,惯性相关系数的均值、标准差,得到具有旋转不变性的纹理多特征。提出一种新的相似性度量以改进纹理图像检索性能。实验结果表明,对于1个含640幅图像的旋转纹理图像库,与基于双树复小波变换的方法相比,该文图像检索算法将旋转纹理图像检索准确率由73.28%提高至80.71%。     

基于二元树复小波和SVD不变性的纹理图像分类算法

针对双树复小波变换(DT-CWT)用于图像的纹理特征提取时,不具有旋转和尺度不变性的局限,提出了一种基于DT-CWT和SVD的纹理分类算法.该算法首先利用DT-CWT从图像中提取出纹理特征,然后对纹理特征进行奇异值分解获得具有旋转和尺度不变性的特征向量,采用BP神经网络作为分类器,并提出改进的BP算法训练网络,使得网络很快找到全局最优解.将本方法与其他的分类算法进行比较,实验结果表明,本算法具有较高的分类正确率.     

基于Contourlet变换的纹理图像检索

提出了一种基于Contourlet变换的纹理图像检索算法。首先对纹理图像进行Contourlet变换,通过调整子带能量参数的次序,改进其旋转不变性,再提取不同尺度、不同方向上变换系数矩阵的均值和标准方差作为特征向量,最后采用Canberra距离进行相似性度量。实验结果表明,此算法在对纹理图像检索时具有良好的检索性能,并具有旋转不变性。     

基于多小波和非下采样Contourlet变换的纹理检索

为了更有效地进行纹理图像检索,提出了一种新的基于多小波变换和非下采样Contourlet变换相结合的纹理图像检索方法.首先,采用多小波对图像进行多尺度分解以便保证变换平移不变性的同时也消除变换的冗余性;然后,将所得的高频子带采用非下采样方向滤波器组进行多方向分解,计算低频子带和各层方向子带的一阶几何矩作为纹理特征;最后...     

基于Contourlet变换的医学图像检索

针对医学图像特点,提出了一种基于纹理的医学图像检索算法.Contourlet变换结合了不可分离的方向滤波器组,具备多尺度和多方向特性,能有效地捕获到图像中的轮廓,并对其进行稀疏表示.本算法充分利用图像Contourlet变换系数的统计特征,形成描述纹理特征的特征向量,并将其作为检索的特征向量.采用上述算法对CT图像数据库进行了检索实验,并与基于小波变换纹理分析方法进行了比较.结果表明,在Contourlet变换域上检索查准率高于在小波域上的查准率,从而验证了该算法具有良好的检索性能.     

基于结构相似性的多传感器图像融合

采用SCDPT变换对图像进行多尺度、多方向分解,得到图像不同尺度、不同方向的频带系数.然后对低频子带系数采取基于结构相似性(SSIM)、区域能量和区域平均梯度的融合规则,对方向子带系数采取基于SSIM和区域方差的融合规则.最后通过SCDPT逆变换得到融合图像.采用信息熵、平均梯度、互信息、边缘强度、均值等作为客观评价指标,实验结果表明,相对于小波变换、拉普拉斯金字塔变换、梯度金字塔变换,所提出的算法能够充分提取图像特征,具有更灵活的方向性和平移不变性,并且能够准确捕获图像轮廓特征信息和纹理细节信息.融合结果优于大部分基于其他多尺度变换的图像融合算法.     

双密度双树复小波RH模型纹理图像检索

针对利用光滑概率密度函数提取小波系数直方图及系数模直方图方法存在参数估计复杂,难以充分有效地提取纹理特征的不足。提出了双密度双树复小波RH模型的纹理图像检索方法,通过分析双密度双树复小波原理,RH模型与非均匀量化器的内在关系,将RH模型推广为提取双密度双树复小波变换系数及系数模直方图特征。该方法结合了RH模型及双密度双树复小波的优点。实验表明,研究方法与利用概率密度函数提取提取直方图特征的方法相比检索率提高了2~9%;推广RH模型提取双密度双树复小波系数模特征的方法获得了75.66%的最高检索率。     

基于相对熵和复小波变换的纹理图像检索

为了进一步提高纹理图像的检索性能,提出了一种基于复小波理论的特征提取算法,该算法根据复小波分解的特点,从小波系数角度出发,以每个高频子带复小波系数的实部和虚部系数直方图分布特性作为纹理特征,利用最大似然估计规则将特征提取和相似计算结合起来,以相对熵为依据进行相似计算。与单小波方法比较,该算法具有时移不变性、方向性信息多等特点。理论分析和在纹理图像检索的对比实验数据说明了复小波在纹理特征提取方面的性能优于单小波,且Kingsbury方法的性能优于Fernandes的方法。     

基于贝叶斯估计的双树复小波图像降噪技术

提出双树复小波变换和贝叶斯估计确定阈值相结合的图像去噪方法.与常用的离散小波变换相比,该方法具有逼近的平移不变性和更多的方向选择性,有利于特征的跟踪、定位和保留.结合贝叶斯估计技术和自适应分布参数确定方法,给出了有效的图像去噪算法.结果表明,该方法去除噪声彻底,边界、纹理等特征保留较好.     

基于非下采样contourlet变换的纹理图像检索算法

提出一种应用非下采样contourlet变换(nonsubsampled contourlet transform,NSCT)进行图像检索的算法,以获取一种兼顾纹理图像概貌和细节信息的特征,从而提高图像检索的性能.该算法利用NSCT对图像进行多尺度、多方向分解,获得子带系数矩阵;对低频子带系数提取能量和方差作为全局纹理特征,并对高频子带系数分别提取尺度间和尺度内纹理信息;通过非高斯双变量模型拟合子带系数,利用信息熵描述尺度间特征;尺度内特征通过对同一层子带图像按主方向排序,获得直方图图像,计算其加权信息熵作为特征向量.对Brodatz标准纹理库的检索实验结果表明,与同类算法相比,该文方法具有更高的检索性能.