基于Wold模型的织物起球纹理非确定性成分提取

通过对Wold纹理模型理论及其在织物起球纹理分解应用可行性的分析,提出包括谐波峰状点结构、线结构及其支撑区域扩展的二维Wold分解算法流程,并设计了二维多尺度B-样条小波匹配滤波器进行峰结构奇异目标检测,提高了Wold分解的鲁棒性.几种典型起球织物纹理的Wold纹理模型分解结果表明,该分解算法能将含有毛球信息的非确定性纹理成分从织物底纹中分解出来,较好地解决了复杂织物底纹对毛球目标识别与分割的影响.     

基于复杂融合特征与灰度-纹理直方图描述子的红外弱小目标检测追踪算法

为了解决当前红外目标检测追踪算法仅依靠单一图像特征对弱小目标增强,使其在背景杂波与噪声干扰严重条件下,难以剔除图像背景中的伪目标像素,导致弱小目标检测与追踪精度不高,提出了基于复杂融合特征与联合灰度-纹理直方图描述子的红外弱小目标检测与追踪算法。首先,针对红外图像不同特征的背景干扰因素,引入不同方向的腐蚀操作结构元素,设计了分类Top-Hat变换算子,充分抑制背景杂波与噪声,从而将弱小目标从复杂背景中凸显出来;随后,引入方差权重信息熵,构建复杂融合特征,对红外图像进行分割,确定候选目标区域;并基于管道滤波模式,对候选目标区域中的真实弱小目标与伪目标进行筛选,将虚假目标过滤;再考虑弱小目标的强度与纹理特征,基于LBP技术(local binary pattern),设计了灰度-纹理直方图描述子,充分描述红外弱小目标的边缘、线端与角点等鲁棒性特征,较好地保留目标的空域信息,有效剔除图像背景中的伪目标像素;最后,联合均值漂移算法,对红外弱小目标进行精确追踪。实验结果显示:与当前红外目标检测追踪技术相比,在复杂背景干扰条件下,本文算法具有更高的检测精度与更低的追踪误差。     

有样本缺失的稀疏交叉视图的多重集典型相关分析

从融合多组特征的角度出发,以多重集典型相关分析算法(MCCA)为研究基础,通过稀疏保持自适应选择样本局部信息,然后通过在同类样本之间计算权重矩阵,将样本类别信息嵌入到算法中,再利用多种视图之间的交叉相关项,克服不同视图样本必须成对出现的局限,提出一种有样本缺失的稀疏交叉视图的多重集典型相关分析算法(multiset canonical sparse cross-view correlation analysis with missing samples,CSMCCAM)。在手写体数据集和CENPARMI数据库上验证本文的算法,得到CSMCCAM算法分类精确度优于LPMCCAM等典型相关分析算法,并且对缺失样本数目不敏感。     

(B(H))上保交换零积的可加映射

讨论了B(H)上保交换零积的可加映射,其中B(H)是由Hilbert空间H上的有界线性算子全体组成的Banach代数。首先给出了在有限维情形下,若Φ是保交换零积的可加满射,使得Φ(I)=I,并且对每个一秩幂等算子P∈Mn都有Φ(FΦ)FΦ(P),则Φ是一个自同构或反自同构。进一步给出了无限维情形下,若Φ是保交换零积可加满射,则Φ是非零数乘一个环同构或一个环反同构。     

基于小波纹理分析的隐写分析研究

提出一种基于模型的隐写分析技术．图像的小波子带分解系数纹理可以建模为两参数广义高斯分布．同时采用极大似然方法进行两个参数的估计．分析发现隐写将改变图像的纹理特性,从而可以从子带分布模型参数的变化中判断是否隐藏信息．采用神经网络、支持向量机,回归分析和费歇尔判别分析分别进行比较验证．试验结果表明方法的有效性,同时对各分类器的性能进行了评价．     

基于相关滤波的绝缘子跟踪与测距算法

针对旋翼无人机进行输电线路巡检的应用场景,通过基于相关滤波的跟踪算法,实现绝缘子的跟踪并适应尺度的变化。在滤波器的训练过程引入核函数,构建出更加鲁棒的滤波模板。通过gabor滤波器,在HSV颜色空间提取绝缘子的纹理特征。采用两个并行的相关滤波器,分别用于位置和尺度的定位。在此基础上,通过最大类间方差法,对图像中绝缘子进行分割,按照相机成像原理,计算绝缘子与无人机之间的相对距离。算法能够实现绝缘子的实时跟踪并适应尺度变化,以及计算无人机与绝缘子之间的相对距离,为无人机智能化巡线提供技术支持。     

基于纹理的流场可视化方法研究综述

纹理可视化方法是一个可以提供高分辨率输出纹理的流场可视化方法,具有有效性、通用性,被广泛应用于模拟计算流体力学、环境科学、材料工程等多个领域.纹理可视化方法最为核心的研究问题是产生揭示流场特性的纹理,按某种方式在图像空间对像素进行有序排列,呈现出方向、朝向与大小等信息.文中重点围绕纹理可视化方法研究进展进行介绍.首先在对国内外研究工作全面分析与总结的基础上,根据生成不同分辨率纹理所采用的方法不同,将其分为点噪声、线积分卷积、流体、纹理平流等4大类,详细阐述每一类方法的原理及特点,并重点介绍每类方法近期出现的新工作;其次,对各类方法的优缺点及产业影响进行对照分析;最后,对未来展望进行讨论.     

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.     

基于不完全树结构小波变换及FKCN 的纹理分割

提出了一种新的不完全树结构小波变换用于纹理特征提取，提出了一种与人类视觉过程相一致的多分辨率多通道纹理分析方法，它由(1)特征提取：使用不完全树结构小没变换抽取纹理特征；(2)基于模糊Kohonen聚类网络的特征粗分类：使用缩减的特征向量对网络进行训练，得到粗分割结果；(3)粗分割结果的细化等几部分构成。实验结果证明了本方法的有效性。