基于二元树复数小波变换的特征融合算法

提出了一种利用二元树复数小波变换(DT-CWT)提取遥感图像纹理特征的方法，不仅使得纹理分析具备小波分析的多尺度特性，而且具备了6个方向的选择性、良好的重构性和近似的平移不变性．利用DT—CWT变换提取目标图像的纹理特征，构造目标概率密度函数，并采用基于D-S证据理论的特征层融合算法对目标进行识别处理，实验结果表明，采用基于DT-CWT纹理特征的特征层融合算法对多源低分辨率可见光遥感图像中小目标的识别是有效的．     

基于SMF的遥感图像纹理目标识别方法

提出使用标准模型特征(SMF)在遥感图像中提取和识别纹理目标的方法.在预处理阶段进行纹理区域划分,根据纹理差异将图像划分为多个可能目标和背景区域;在识别阶段,对于每个可能的目标区域,运用SMF判定区域中每一像素所属类别,以区域中大部分像素的类别作为该区域的类别,从而排除非目标区域,获得目标区域,得到识别结果.实验表明SMF是识别遥感图像纹理目标的有效特征.     

基于多特征融合和支持向量机的煤矸石自动分选研究

本文提出了一种基于多特征融合和支持向量机的的煤矸石分选方法。首先对煤矸石图像进行预处理,以减小或消除噪声的影响,然后分别从纹理谱、小波变换和分形等多角度提取图像的纹理特征值,选取多个纹理特征作为分类器的输入特征,并对选择出的分类特征进行内部归一化,最后采用支持向量机实现煤矸石的分选。实验结果表明,本文所提出的分选方法达到了较高的识别正确率,且能够满足实时要求。     

融合纹理特征与形状特征的病灶CT图像识别

医学图像病变区域信息复杂,使用单一纹理特征分类效果不佳,提出了一种融合纹理与形状特征的病灶图像识别方法。首先,在常用的纹理特征基础上,融入Hough变换和不变矩两个形状特征,以考虑旋转、平移等畸变带来的图像失真影响;然后,对这些非线性分布融合信息线性化处理,通过支持向量机SVM对其进行分类,得到病灶图像与正常图像的识别结果;最后,采用某医院提供的50幅CT脑图像进行纹理特征和形状特征提取,进而进行SVM分类和识别。实验结果表明,所提出的融合两类特征信息对医学图像识别方法可行,病灶图像识别准确率有所提高。     

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.     

快速和尺度稳健的纹理图像识别

传统的纹理图像识别方法很难同时获得较好的识别精度、实时性和尺度稳健性,不利于实际的工程应用.因此,提出一种快速和尺度稳健的纹理图像识别方法.该方法首先利用高斯滤波构造一个纹理图像的多尺度空间,然后利用完备的局部二值计数(Completed Local Binary Count,CLBC)算法对多尺度空间中的每个图像提取局部二值特征,并跨尺度提取局部二值特征的最大值,再将多个分辨率的特征相结合作为纹理图像的最终特征描述,最后利用最近子空间分类器(Nearest Subspace Classifier,NSC)判定纹理图像的类别.在基准纹理图像数据库上的实验表明,该方法在识别精度、实时性和尺度稳健性方面获得了很好的综合性能,有利于实际的工程应用.     

一种新的纹理图像识别方法

采用了一种基于方向滤波器组的旋转不变纹理识别方法。该方法用DFT-encoding从图像方向信息中提取出旋转不变纹理特征后,用贝叶斯距离作为分类器,用包含有30类单色自然纹理的图像库进行识别试验,比较了各种因素对于识别率的影响,确定了对失真图像识别能力最优的纹理特征及参数设置。     

基于边缘检测和小波分析的布匹瑕疵检测方法

针对常见的布匹瑕疵检测方法对破洞、油污检测不敏感的缺点,提出了一种将图像边缘检测和小波分析相结合的检测方法。该方法根据瑕疵边缘变化的差异,通过改进的Canny算子提取布匹边缘特征,识别出油污;选用最佳小波对非油污图像分别在水平、垂直方向进行三层分解,提取水平和垂直方向高频图像的特征值(能量、方差和极差),得到图像纹理频谱相应特征值的分布情况;对特征值归一化并设置相应的阈值,即可得到不同的特征向量,从而实现对断经、断纬和破洞的实时检测。实验表明,该方法的检测速度快,准确率高,可以满足检测要求。     

约束纹理合成

对基于块的实时纹理合成算法进行扩展并应用到约束纹理合成中, 对瑕疵进行修复, 在纹理合成的过程中采用不同类型的纹理段寻找匹配, 并且利用可变大小的纹理块修复瑕疵的边缘处, 使修复后的图像在原来瑕疵的边界处没有明显边界感.     

海洋遥感图像中基于纹理的海面油膜识别

基于海面纹理特征,利用Borda算法进行了航空遥感图像中油膜和非油膜的识别研究。首先,对航空遥感图像进行纹理特征分析和提取:二值化处理并且提取谱相关性、方向粒度和条状粒度的纹理特征值;然后,建立海面油膜数据库,包括原始图像、特征向量,以及图像和纹理特征间的映射表;最后引入Borda算法,根据被测图像的特征来识别其是否含有油膜。实验结果表明,本模型能有效的识别油膜,能为大范围海面溢油检测奠定研究基础。     

基于多特征融合的图像特征提取方法

本文提出了一种多特征融合的图像特征提取方法,针对彩色图像从颜色特征、纹理特征以及区域形状特征等几个方面抽取特征向量,更多的保留图像的各种信息。并通过实验对本算法进行验证分析,用该方法表示图像特征时,最后的图像区域数是影响特征表示的关键因素,所以图像区域数的确定应该根据情况动态决定。     

GLCM和NGLDM特征提取方法在锑浮选泡沫图像上的比较

泡沫图像特征与工况紧密相关,对于指导生产操作,调节生产状态发挥着重要作用.纹理特征是泡沫图像中的关键特征,它能表征泡沫表面纹理粗细、形态、灰度等.分别采用GLCM和NGLDM提取锑浮选泡沫图像纹理特征,采用最近邻分类器对工况进行离线识别.结果表明,GLCM具有相对较高的分类正确率,而NGLDM由于具有远优于前者的处理速度更适用于在线工况识别.     

基于颜色和纹理特征图像检索技术的研究

对基于内容的图像检索中的低层特征的相关检索算法进行了深入研究,对现有颜色和纹理的自然特征中提取出的特征量的检索成功率进行了测试,发现使用单一的特征对图像进行检索查全率不高.为了提高查全率,综合了颜色和纹理特征的检索算法,给颜色特征和纹理特征分配一定的权重,设计了权重设计器,确定了查全率达到最高值时颜色和纹理特征的权重分配,提高了检索效率,识别效果很好.     

基于k-近邻分类匹配的虹膜识别技术与应用

利用虹膜图像中丰富的结构和纹理特征作为身份鉴别的依据,与其他生物特征识别相比,具有更高的可靠性.虹膜识别系统包括虹膜图像采集、虹膜图像预处理、特征提取、匹配与识别等部分.该文提出一种基于k-近邻分类器虹膜识别方法,该方法先对虹膜图像进行定位、归一化和增强等预处理,利用Gabor滤波实现虹膜纹理特征的提取,再用k-近邻分类器进行匹配,达到了识别的目的.实验结果表明,该方法是可行的.     

基于二维Gabor小波和孪生支持向量机的图像识别算法

为了提高图像识别性能,采用孪生支持向量机用于图像分类识别,并结合二维Gabor小波对图像纹理特征进行提取,借助局部线性嵌入(Locally linear embedding,LLE)降维,以进一步提高图像识别准确率和识别效率.采用二维Gabor小波对图像数据进行有效滤波,获得图像关键纹理特征,然后对大量纹理特征进行LL...     

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LBP和KNN的视频纹理识别算法

为实现视频纹理的有效识别, 提出一种基于 LBP(Local Binary Patterns)和 KNN(k-Nearest Neighbor)的视频纹理识别算法。 该算法将视频纹理视为一个图像纹理集合, 通过多个图像纹理集合的方式表示。 由于可计算任意两幅纹理图像的相似度, 对于两个视频纹理, 可以计算两个图像纹理集合中所有元素之间的相似度, 将这些相似度中的最小值作为这两个视频纹理的相似度, 若要实现视频纹理的识别, 则可通过 KNN 算法实现分类与匹配。 通过在 DynTex 动态纹理数据库中的相关实验, 证明了该算法的有效性。     

基于遗传算法的遥感图像纹理特征选择

本文基于Landsat 7 ETM 全色图像,以浙江省临安市大峡谷镇为研究区,进行基于遗传算法的遥感图像纹理特征选择的研究.首先利用灰度共生矩阵法和灰度-梯度共生矩阵法对研究区遥感图像进行纹理特征提取,共得到23个纹理特征,然后利用遗传算法对这23个纹理特征进行纹理特征选择,最后得到一组最优纹理特征集.实验结果表明,遗传算法因其自适应性、并行性、能较好地处理大规模复杂数据,且特别适合于解决多目标优化问题等诸多特性,所以是解决特征选择问题的理想方案.     

基于多尺度空间子带共生矩描述子的花粉图像特征提取方法研究

针对显微镜下的花粉图像普遍具有特征维数高、旋转和姿态变化较大等问题,提出了一种新的基于多尺度空间子带共生矩描述子的纹理特征提取方法;并应用于花粉图像的分类和识别。该方法首先采用Mallat小波分解算法将花粉图像分割成不同层次的尺度空间,然后在各个子带尺度空间上提取图像的灰度共生矩分量,最后通过计算每个灰度共生矩多个方向上的统计特征分量构造最终的子带共生矩,描述子鉴别特征。通过Confocal和Pollenmonitor图像库上的仿真结果表明,该特征能较好地描述花粉颗粒图像的纹理分布,对于花粉图像的旋转和姿态变化具有良好的鲁棒性,能够获得较好的识别精度和效率。     

基于二维Gabor的掌纹图像预处理研究

掌纹识别属于相对较新的一种生物特征识别技术,是利用人手掌上丰富的纹理特征来进行身份识别。掌纹图像的质量是影响掌纹识别性能的关键,因此,由掌纹的特点入手,对掌纹图像采用基于形态学方法进行感兴趣区域(ROI)的分割,为了防止由于采集时手放置位置的旋转或偏移导致的掌纹图像的差异,通过中值滤波、二值化、膨胀腐蚀等操作确定了特殊角点,再利用角点连线确定旋转角度,来旋转掌纹图像。然后对掌纹图像感兴趣的区域采取小波阈值法来去除噪声。最后结合Gabor滤波器的方向性,采用基于二维Gabor滤波器对掌纹纹线的特征进行提取。为了验证所提出的掌纹图像预处理方法的有效性,在PolyU掌纹图像库上进行实验并取得了较好的实验效果。