基于颜色纹理和形状特征相结合的图像检索系统

灰度共生矩阵是一种有效的纹理图像分析方法,为了更有效地进行图像检索,定义了一种新型的灰度共生矩阵描述子,该矩阵描述子能够有效结合颜色、纹理和形状特征,通过描述像素的空间相关性来进行基于内容的图像检索. 利用该矩阵描述子进行图像检索时,先在RGB颜色空间中计算彩色梯度,然后利用灰度共生矩阵来描述图像特征. 实验结果表明其检索性能优于传统的普通灰度共生矩阵.     

基于主动学习SVM分类器的视频分类

提出一种基于主动学习SVM分类器的视频分类算法.该算法分为两个步骤:首先分析并提取与视频类型有关的十维底层视觉特征;然后用SVM分类器建立这些底层特征与视频类型之间的联系.在获取SVM分类器所需的训练样本时,采用主动学习的方法选择对SVM分类器最"有用"的样本提供给用户进行标注,用更少的训练样本获得与大量训练样本近似的分类效果,从而减轻用户标注负担.针对多类SVM分类的主动学习问题,提出用后验概率计算分类器对未标注样本的置信度进行样本选择.实验结果表明,主动学习算法与随机采样标注的被动学习算法相比,在相同的训练样本情况下能够获得更高的分类精度;而基于后验概率选择样本的主动学习要略好于传统的基于变型空间(version space)选择样本的主动学习.     

无人驾驶车野外环境水体障碍物检测

野外环境下水体障碍物会对陷入其中的无人驾驶车造成损害。针对静态水面特征呈现出的较高亮度、较低饱和度以及平滑的纹理特征,提出将饱和度亮度比值颜色特征和从灰度共生矩阵中提取的纹理特征融合的野外水体障碍物检测方法。对图像进行HSV颜色空间转换提取颜色特征,计算灰度共生矩阵提取纹理特征,构成特征矩阵并训练SVM分类器用于实际检测。仿真和试验结果表明该水体障碍物检测方法有效,并能够有效地减弱光照变化对单纯基于颜色特征检测水体的负影响。     

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。     

利用SVM和灰度基元共生矩阵进行图像数据库检索

提出了一种新的基于内容的图像检索方法，其关键技术是：(i)提出一种检索图像内容纹理统计特征的新方法，定义若干规范灰度像素模式基元；计算这些基元沿不同方向和不同跨距成对出现的概率，可以组成灰度一基元共生矩阵；该矩阵可用来描述图像纹理方面的特征。(ii)通过构建分类矩阵进行二叉树判别，扩展了SVM的多类分类功能。实验测试表明该法可行，且具有较好检索性能。     

基于灰度共生矩阵和支持向量机的茶叶病害诊断研究

针对茶叶病害由于致病机理不同导致病斑纹理不同的特点,通过灰度共生矩阵来构造茶叶病害的纹理特征和将支持向量机应用到茶叶病害的识别方法;由于支持向量机是一个二分器,提出了投票最大策略建立SVM多分类识别算法。首先对茶叶病害的图像进行预处理以改善图像质量,然后利用灰度共生矩阵构造和提取了5种纹理特征,最后建立支持向量机多分类识别器并对茶叶病害进行识别。实验结果表明:利用灰度共生矩阵构造的纹理特征对茶叶病害的识别效果好;不同核函数的识别性能不同,径向基核函数比较适合茶叶病害的识别,识别率高达86.67%;不同样本数的识别性能不同,支持向量机在解决小样本的病害识别问题上有很好的识别能力,最低识别率达到70%,稳定性好。     

利用颜色和纹理特征的图像过滤方法

随着互联网络和多媒体技术的发展,色情图像的传播越发猖獗.为了有效地防止色情图像的传播,本文中提出一种综合利用颜色和纹理特征的色情图像过滤方法.该方法根据色情图像的颜色和纹理特征,建立肤色模型和皮肤模型对图像进行检测识别.利用该方法对752幅色情图像和4000幅正常图像进行过滤实验,结果表明该方法具有较高的准确率.     

基于Tamura纹理特征提取和SVM的多模态脑肿瘤MR图像分割

在Tamura纹理特征和支持向量机(SVM)算法基础上提出一种多模态脑肿瘤图像分割算法.将4种模态下的多序列核磁共振图像(MRI)的局部灰度特征与Tamura纹理度量相结合,尽可能提取足够多的图像信息;在SVM模型中输入已知样本并进行训练;用训练好的SVM模型处理其他脑肿瘤图像.实验通过对20例患者的图像进行展开,从实验数据来看,提出的方法可以精准有效地分割出脑肿瘤区域,得到脑肿瘤的边界,并且对脑肿瘤图像的差异性表现出较强的自适应能力.     

基于纹理特征的图像检索系统设计

关于纹理图像的处理研究是目前图像处理领域中一个比较重要的问题.介绍如何利用Visual C++6.0实现基于纹理特征的图像检索,并对检索结果进行了分析.     

基于颜色和纹理特征的道路图像分割

针对移动机器人的视觉导航需求,研究彩色道路图像的精确分割问题.为解决图像中的干扰因素对道路分割精度所带来的负面影响,首先对道路图像进行了基于颜色特征的过分割,对颜色过分割结果再进行基于小波纹理特征的区域融合.通过考察区域空间位置的相邻性以及小波纹理特征的相似性,该算法将过分割区域进行了再融合,实现了复杂环境下对道路区域及环境区域的精确分割.实验结果表明,所提出的区域分割算法快速、有效、实时性好,并对复杂环境具有良好的鲁棒性,可以满足移动机器人实际运行的要求.     

基于共生矩阵和分形的彩色骨髓细胞图像纹理

在对骨髓细胞纹理分析的基础上,提出了一种基于共生矩阵与分形理论的对彩色骨髓细胞图像进行纹理特征提取的方法,该方法通过构造一种新的表征纹理特征的量——共生矩阵分形联合特征量,更好地将红系细胞与粒系细胞区分开,并且对同一系别细胞的不同成熟阶段做出了更好的区分．     

云图纹理分析结合SVM的地表太阳辐射预测

太阳能资源的间歇性与不稳定性为地表太阳辐射的准确预测带来很大的挑战.本研究通过对全天空图像进行纹理特征分析,并结合支持向量机模型,实现了对地表太阳辐射的预测.首先,基于全天空图像,利用数字图像处理技术提取与太阳辐射相关的图像纹理特征,包括反差、熵、灰度相关与能量;然后,结合图像特征与辐射衰减系数建立回归模型;最后,基于支持向量机模型实现地表太阳辐射的预测.实验结果表明:本文算法的预测精度明显优于基于统计的传统算法,同时优于基于云团遮挡预测的算法,为准确预测复杂天气条件下的地表太阳能辐射提供重要的参考依据.     

基于支持向量机元分类器的体育视频分类

为弥补特征提取中的语义缺陷,提出了一种利用领域知识规则填补特征与高级语义之间鸿沟的思想,从体育视频中对语义对象进行有效的特征提取,并采用支持向量机元分类器和组合策略对体育视频进行分类的方法.实验表明,该分类方法对大部分体育视频都具有很好的分类效果,平均准确率可达92.23%,优于其他提取特征无语义关联的分类方法.     

基于相关性与纹理度量的SVM隐写分析算法

为提高图像信息隐藏正确检测率,扩展隐写分析算法的适用范围,提出了一种新的基于最低有效位(LSB)的隐写分析方法,引入了一组基于相邻像素相关性和图像纹理复杂度的差值关系的高阶统计矩作为特征矢量。基于此特征量构造分类器,采用支持向量机(SVM)进行训练和分类。对1 600幅BMP图像在不同嵌入率情形下进行仿真实验,并与经典的RS(regular singular)隐写算法和GPC(gray-levelplane crossing)算法进行对比分析。结果表明,针对原始无损存储图像,基于该文建立的分类器的准确率高于目前的主流算法识别掩密图像,具有较可靠的盲检测性能。     

基于视频区域特征及HMM的体育视频分类研究

提出了一种基于视频区域特征的体育视频分类方法.首先将帧分块,对块亮度均值大小进行比较得到块亮度比较编码信息BICC,以及对视频帧各块的颜色分量进行统计得到块颜色直方图;再利用这些特征通过SVM对体育视频进行分类;最后利用一阶HMM对SVM的输出结果进行后处理,得到视频的最终分类结果.实验结果表明,方法对于体育视频分类的效果较好.     

基于分块颜色矩和纹理特征的图像检索方法

基于内容的图像检索技术是当今研究的热点领域之一.为了克服全局直方图检索方法不包含颜色的空间分布信息的不足,提出了一种采用固定块图像分割方法提取图像局部颜色矩的图像检索算法.在此基础之上,对检索结果进行基于纹理特征的二次检索.实验表明,圆环形分割块颜色矩算法不仅记录了颜色的空间信息,而且具有旋转、平移不变性的特点.综合利用图像颜色、纹理的检索方法能够大大提高检索结果的准确性.     

图像纹理特征的提取方法

纹理特征是图像分析的重要线索,纹理特征的提取方法层出不穷,本文重点介绍了几种借助纹理统计特性的提取方法,并对其算法进行了比较.这些方法包括:1、基于图像灰度直方图的特征提取;2、基于图像灰度差值直方图的特征提取;3、基于图像灰度共生矩阵的特征提取.     

基于灰度共生矩阵的纹理特征景物识别

随着信息技术的发展,纹理分析是近年来图像分析领域的研究热点．纹理分析主要应用于纹理分类、纹理分割、纹理合成等方面,应用十分广泛．本文主要介绍用灰度共生矩阵提取纹理特征值,并根据特征值判断景物类别的方法．该方法既能描述图像的灰度分布信息,又能表达局部细节．     

基于灰度共生矩阵的纹理特征景物识别

随着信息技术的发展,纹理分析是近年来图像分析领域的研究热点.纹理分析主要应用于纹理分类、纹理分割、纹理合成等方面,应用十分广泛.本文主要介绍用灰度共生矩阵提取纹理特征值,并根据特征值判断景物类别的方法.该方法既能描述图像的灰度分布信息,又能表达局部细节.