基于纹理基元与颜色的室外自然场景分类

为解决算法生成纹理地图时时间耗费量大的问题,提出采用KD-tree算法对数据结构进行划分、减小KNN算法搜索复杂度、提高搜索速度的方法.针对基于纹理基元的分类算法无法准确检测室外某些纹理相似性较高的自然场景,提出加入颜色特征、设置相应权值构建混合模型的方法.实验结果表明,基于KD-tree的KNN算法可缩短分类时间、满足实时性的要求,基于纹理基元与颜色的分类算法在室外自然场景中能够获得较高的分类精确度.     

基于纹理对图像进行分类方法的研究

文章主要研究在不知道视点和光照条件下,根据纹理对图像进行分类的方法;过程是利用滤波器响应得到的特征向量,建立相应的纹理基元表示;用最近区域匹配分类和贝叶斯分类2种方法进行分类,并对2种算法进行了比较;结果表明,分类结果非常接近,均比较准确。     

基于半圆形局部二值模式结构相关性描述子的图像检索

针对传统的结构基元方法缺少对不同量化颜色层中的中心像素点与其潜在邻居的相似性信息描述问题,提出了一种半圆形局部二值模式结构相关性描述子,并将其应用在图像检索中.首先,定义了一种新的半圆形局部二值模式结构基元;其次,检测不同量化颜色层中的结构基元;最后,提取新结构基元的空间分布和对比度特征.相比传统的结构基元方法,提出的描述子检测的结构基元更加丰富,包含更多可能的结构区分性.在不同图像库上的实验结果表明了所提方法的有效性.     

一种新的纹理基元发现及表达方法

传统的纹理统计方法中对纹理基元采用形式语法的抽象表达使得算法非常复杂.基于图像关联规则挖掘,可发现纹理图像中的频繁模式,将频繁模式构建为纹理联合关联规则,纹理基元可以通过这些强关联规则特征矢量表达.实验证明,纹理关联规则纹理基元特征矢量能够很好区分纹理特征,并且易于表达以及在图像处理中使用,并具有方向不变性,能够为模糊...     

基于像素自适应邻域的纹理合成方法

针对传统像素点的纹理合成方法普遍存在对纹理样本适用范围比较窄的问题,提出了一种可以自动确定最佳匹配像素邻域大小的纹理合成方法.首先,利用方块编码原理提取样本纹理元,通过纹理元来确定最佳匹配像素邻域;然后,在像素匹配阶段,对像素匹配准则进行改进.通过比较样本像素和目标像素邻域的均值和方差来确定邻域的相似度,最终选择最优的合成像素.对比实验表明,该方法不仅有良好的合成效果,而且具有较广的适用范围,可以作为一种通用性的纹理合成方法.     

基于纹元森林的视觉词袋模型在图像分类中的应用

引入纹元森林(semantic texton forest,STF)的视觉词袋模型,联合基于金字塔匹配核的支持向量机,实现图像分类.首先对图像进行采样,提取SIFT(scale-invariant feature transform)特征,然后导入纹元森林构造视觉词典,统计视觉单词出现的频率构建语义词袋模型,最后利用支持向量机进行训练得出分类结果.实验在MSRC21(Microsoft research cambridge)图像库上进行,通过优化实验中的关键参数,引入加权的不平衡训练,提高了图像分类精度.实验结果表明,基于纹元森林的视觉词袋模型具有良好的图像分类效果.     

一种基于超像素的户外建筑图像布局标定方法

提出了一种提取户外建筑目标图像中布局信息的方法.首先,基于超像素技术对所给的图像进行大致区域划分.超像素技术是基于一个测度谓词,其利用图像的基于图论的表示法来判定两区域的边界;其次,以划分后的区域(称为超像素)为单位,利用颜色、位置、纹理等信息对其进行标记.在标记纹理特征时,采用了基于3D基元的纹理识别方法.最后,定义规则整合各项标记,实现了对图像内容的划分,提取其布局信息.实验结果表明,该方法应用于常见几种布局的户外建筑目标图像都能收到较好的效果.