基于分形参数的B超图像纹理分析

利用离散分形布朗随机场模型对Ｂ超图像的分布特征进行顾分析和讨论。鉴于一般的图像不是完全的分形体,文中给出了计算分维数的尺度范围公式,根据上述模型和尺度范围公式,对正常肝脏和有癌变肝脏的两组Ｂ超图像的分维数进行了计算,结果表明在未考虑尺度范围时两组图像的分维数差别不大;而考虑了尺度范围时两幅图像的分维数就有明显的差别,即正常肝脏图像的分维数大于有癌变肝脏图像的分维数。     

B超图象伪彩色处理技术

针对B超图象的特点,对B超伪彩色处理技术进行了探讨,分析了各类B超的视频信号的特点,提出了B超图象灰阶归一化技术,基于颜色学的概念,全面地探讨了灰阶伪彩色编码技术,还提出了多种伪彩色处理实用技术     

纹理特征抽取和纹理识别的神经网络系统

本文提出一个纹理特征抽取和纹理识别的神经网络系统,它含有一基于纹理回归模型的特征抽取网络和一个纹理识别的多层神经网络,尤其是前者是一个能求解回归系数的,神经网络,不仅解决了纹理特征抽取问题,而且解决了一大类采用最小二乘估计的应用问题,因而具有一定通用性.     

基于形态学的土地荒漠化遥感图象纹理分析

地貌环境不仅影响土地荒漠化的速率，而且制约土地荒漠化的方式和空间分布规律。地貌类型、特别是地形起伏程度对荒漠化的影响首先表现在荒漠化方式上，其次表现在荒漠化强度上。遥感影象本身通常都包含着灰度和空间信息。本文利用数学形态学进行纹理分析，从腐蚀运算结果抽取纹理特征、利用形态学运算抽取分形参数作为纹理特征等，从而提取地物的空间结构信息。利用纹理结构参与土地荒漠化遥感分类，大大提高了土地荒漠化分类的精度。     

快速图象纹理映射算法的研究

本文提出了改进的双步图象纹理映射方法。算法采用了参考面、双线性变换和图象域增量法等技术，使其具有实现简单、快速实用、满足交互式图象生成系统的需要等优点。文中详细地讨论了算法的实现步骤及计算复杂性，并给出了理想的系统实验结果。     

基于颜色特征和纹理特征的岩屑岩性识别

针对现有条件下的岩屑录井中岩屑识别率低、识别速度慢等问题,从特征提取和分类器方面对岩屑岩性识别进行了分析研究.采用二级分类器的思想,首先通过颜色特征和和差直方图特征采用朴素贝叶斯分类器将岩屑粗分为泥岩和砂岩,然后进一步采用贝叶斯分类器,通过颜色特征和和差直方图特征分别将泥岩和砂岩进行进一步的细分.实验结果表明,粗分的识别率、泥岩细分的识别率和砂岩细分的识别率分别能达到94.79%、97.59%和90.28%.这种识别方法更加符合现实的应用需求,有着更高的识别率,为岩屑岩性分析工作提供了可靠的依据.     

基于纹理频谱子集的纹理识别

纹理频谱法是一种有效的纹理特征提取方法，但其所提取的特征高达6561（3^8）维，导致很大的存储和计算复杂性．局部二值模式通过简化纹理频谱法的定义，虽然减小了计算的复杂性，却削弱了纹理的刻划能力．为了在保持纹理频谱法纹理刻划能力的同时，又减少其存储和计算复杂性，提出了基于子集的纹理频谱方法．新方法建立在统一模式的概念上，仅提取纹理频谱的1个子集，特征维数仅为原方法的12％，大大减小了空间和时间代价．实验结果表明，新方法比纹理频谱法和局部二值模式具有更好的纹理识别性能．     

一种基于纹理的图象相似性度量模型

关于图象间的相似性应用于图象数据库中图象的检索存取，作者提出了一种用于多纹理图象的图象相似性度量的模型；描述了该模型的定义和计算方法，给出了试验结果和分析了它的有效性．     

纹理特征抽取和纹理识别的神经网络系统

本文提出一个纹理特征抽取和纹理识别的神经网络系统,它含有一基于纹理回归模型的特征抽取网络和一个纹理识别的多层神经网络,尤其是前者是一个能求解回归系数的,神经网络,不仅解决了纹理特征抽取问题,而且解决了一大类采用最小二乘估计的应用问题,因而具有一定通用性.     

基于分维特征的肝脏CT图像识别

目前分形理论已被广泛应用于医学图像识别.本文利用了改进的差分盒计数法对肝脏CT图像进行了分形维数的分析,表征了肝脏图像的纹理特征,则可识别医学图像肿瘤信息.医学图像识别的结果可以直观的方式显示给临床医生,从而辅助医生提高医疗诊断的准确性和科学性.     

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.     

基于Gabor特征和局部二值模式融合的纹理图像识别

传统的Gabor滤波方法和局部二值模式(Local Binary Pattern,LBP)算法提取的纹理特征鉴别能力不足,导致纹理识别精度不够理想.为了解决上述问题,提出一种将全局Gabor特征和局部LBP特征进行融合的纹理图像识别方法.该方法利用Gabor滤波方法提取纹理图像的全局特征,利用LBP算法提取纹理图像的局部特征,然后在最近子空间分类器的框架下实现全局和局部特征的融合以及纹理图像识别.在CURe T和KTH-TIPS基准纹理库上的实验结果表明,笔者提出的方法显著超越了传统Gabor滤波方法和LBP算法的纹理识别精度.     

基于纹理特征的图像检索研究与实现

该文讨论了图像纹理特征的提取与表达,在理论探讨的基础上做相应改进,使检索结果的准确度得到提高,并开发出一个试验系统验证该方法的有效性.试验证明基本达到了预期效果.     

基于神经网络的超声肝图像识别研究

肝脏超声图像是肝病辅助诊断的重要手段。通过选择图像特征向量来研究肝脏超声图像的识别算法;通过空间灰度独立矩阵、空间频率分解和分形特征进行特征提取,采用神经网络对正常肝脏、肝硬化和肝癌三类肝脏超声图像进行分类识别。实验结果表明神经网络分类器对三种肝脏超声图像的分类可以达到93.5%的正确率。     

基于分形维数的图像纹理分析

利用分数维能够把图像的空间信息和灰度信息有机结合起来的特性,提出了一种基于分形维数的图像纹理分析方法.为了更准确地描述纹理表面的粗糙度,该方法首先将纹理图像进行6种灰度变换并计算其相应的分形维数,同时采用H lder指数作为描述图像纹理的奇异性特征,然后利用提取的纹理特征对图像进行纹理分割.实验结果表明:采用该方法所分割的图像能很好地体现图像的纹理分布.     

基于神经网络的纹理识别技术

作者通过一个实例叙述了图像识别技术中用神经网络进行纹理识别的基本思路，处理过程，以及具体实现，并对处理的结果进行分析，说明了运用神经网络作为分类器的准确性。     

基于纹理的图像检索算法

基于图像内容的检索CBIR(content-based image retrieval)是近年来的一个研究热点。它能够帮助人们在庞大的数字图像库中准确、快速地找出需要的资料。从图像的纹理特征入手,以彩色纹理图像作为研究对象,提出了一种新的基于纹理的图像检索算法。算法以小波分析作为预处理,合理分析、设计了特征向量的构成,并根据这些特征进行相似度计算,从而得出分类结果。在实验中对100幅图像进行检索,检索结果的正确率为75%。为了进一步验证算法的鲁棒性,对35种纹理及其旋转180°的图像共70幅图像进行检索,正确识别率为64%。实验说明本算法具有较高的识别率,并具有一定的鲁棒性。与其它算法相比,本算法在具有较高识别率的同时,能反映近似纹理的聚类性,且本算法不要求图像的尺寸完全相同。     

利用图像块数据库和纹理特征点的图像彩色化方法

针对颜色转移彩色化算法存在速度慢、效果不佳及人工干预性强等问题,提出一种新型的彩色化算法.首先从聚类分割后的各类区域彩色图像中提取矩形块,并计算图像块的颜色直方图和纹理特征;利用颜色直方图比较图像块的相似性,实现数据库的选择性录入;利用目标图像块与彩色图像块纹理特征点之间的欧氏距离比较,查找最佳匹配的图像块,进而实现目标图像的彩色化.通过建立树木、天空、沙滩和草地4类图像块数据库,实现基于数据库技术的免除人工干扰的图像彩色化.     

一种彩色图像的二维纹理识别方法

基于仿射矩正则化技术，推导出了新的光照仿射不变特征：Zernike矩、多波段相关函数，通过正则化方法实现仿射不变矩，采用组合矩方法和奇异值分解方法实现光照不变性，在推导光照不变性时必须使用复数值矩(如Zernike矩)，因为实数值仿射不变矩不能实现独立于光照变化的仿射不变性。实验结果表明，所提出的纹理识别方法具有很好的识别效果。