基于子波变换的纹理图像分类

本文用子波变换的方法描述了纹理图像多尺度、多方向的特性,提出了适合于纹理图像分类的新的子波特征。通过对其稳定性和视觉特性的详细分析,指出此特征优于传统的能量特征。文章最后结合九类自然纹理图像,分别基于标准子波特征,子波包特用ＢＰ神经网络进行了分类识别。实验结果表明,在无噪声情况下,对自然纹理图像可无误差分类;在有噪声情况下,正确分类识别率高,表现出强的稳定性。     

多尺度H参数纹理特征的子带算法

扩展的自相似模型(ESS)是一种广义的分数布朗运动模型(fBm),它的多尺度H参数与粗糙度之间是对应的,因为不要求粗糙度的尺度不变性,所以能够区分大多数自然纹理.它的结构函数计算是基于图像在一定尺度上的灰度差,这可以用小波变换低频分量的一阶差分去定义.由于小波变换具有抑制噪声的能力,由此导出的特征具有更好的抗噪性能.实验证明对卫星遥感图像达到了较高的分类正确率.同时也说明,纹理的自相似特性在低频分量上的体现更突出.     

自然纹理分类和识别方法初探

纹理图像千变万化，目前在纹理分类上没有明确的标准。文章借用自然语言中的概念词对自然纹理进行基于概念的分类，把自然纹理分成花纹、条纹、鱼鳞、波纹、斑纹、木纹、裂纹、绒毛、颗粒等九大类别，建立了自然纹：理图像库，并用小波变换提取纹理特征，对这些特征进行基于支持向量机的分类。实验结果表明该分类和识别方法准确率高，可以考虑作为基于图像内容检索的一种方法。     

基于特征加权和支持向量机的图像分类研究

利用图像特征加权方法和支持向量机实现了图像的有效分类。首先根据特征的稳定性来判断特征的重要程度,从而赋予不同权重;然后借助支持向量机实现图像分类;最后采用不同颜色和纹理特征验证了在特征加权和不加权情况下图像分类的准确程度。实验结果表明本文的方法有效提高了图像分类的准确性。     

利用灰度和纹理特征的SAR图像分类研究

多类别多特征量情况下的合成孔径雷达(SAR)图像的目标分类是一个难以解决的问题.从灰度和纹理模型出发,提出了综合利用灰度和纹理特征的目标分类方法.均值和方差是灰度模型中重要的特征统计量,而能量、熵、对比度、局部相似性和相关性是纹理模型中重要的特征统计量.灰度和纹理特征能确切地描述SAR图像中的目标.通过构造特征向量,定义向量之间的距离,并按照最小距离方法进行目标分类.以一定大小的窗口读入样本,提高了算法的运行速度和抗噪能力.理论上,窗口越大,特征向量值越接近真实值.窗口越小,边缘的分类精度越高.实验表明该方法较好地处理了多类别多特征量情况下的SAR图像分类问题,分类结果是有效的,这为SAR图像目标分类提供了一条简单可行的途径.     

基于小波变换和支持向量机的彩色纹理识别

为了提高纹理图像的识别率,提出了一种将颜色信息融入到纹理识别中的新方法--基于小波变换和支持向量机的彩色纹理识别.首先将彩色纹理图像转化到HSV彩色空间,用小波变换进行树形结构小波分解提取彩色纹理的特征,然后用SVM对不同的特征进行纹理分类识别.对不同的彩色自然纹理图像进行了实验,并将结果与已有的进行了比较.实验结果证明,此方法的正确识别率比较高.     

基于中文自然语言的纹理分类新方法

提出了一种新的基于中文自然语言纹理描述词的纹理分类方法,建立了自然纹理分类体系,并用最小二乘支持向量机对纹理进行分类,实现了纹理的视觉特征到语义描述的转换.实验结果证明,该方法在图像理解和基于内容的图像检索中有助于缩小纹理特征的数学描述和人类理解之间的"语义鸿沟".     

基于分数布朗运动和概率神经网络的自然纹理分类

该文基于自然纹理的分数布朗运动(FBM)模型,引入一种新的分形特征参数分形尺度,提出计算分形尺度的截矩线性度(IAL)方法。实验表明,将纹理图像的分形尺度与分形维数结合,既反映了物理表面分形的尺度范围又反映了该尺度范围内的纹理粗糙程度,从而更有效地描述和区分纹理特征。文中利用纹理图像在水平、垂直和对角3个方向上的分形尺度和分形维数作为特征集,采用概率神经网络(PNN)作为分类器进行自然纹理图像分类,得到准确的分类结果。     

基于Brushlet复特征的纹理分类

Brushlet是一种新的图像方向信息分析工具,其能量特征已被应用于纹理分割、分类以及去噪等领域。该文利用Brushlet变换为复函数这一特性,提取其能量及相位信息作为纹理分类特征。通过对Brodatz纹理图像库中均匀、非均匀以及全部图像进行分类实验,较之单一能量特征的分类方法,Brushlet复特征取得了更好的分类性能。     

基于统计几何的纹理特征提取及分类算法

纹理识别是计算机视觉领域一个重要的课题,本文研究了统计几何特征(SGF)纹理分析方法并与向量机结合构建分类系统。对支持向量机(SVM)的多分类方法的实现,构建了粗分类和细分类相结合的多分类器,实现了纹理图像的准确划分,为有效纹理特征的表示奠定了基础。本文对统计几何特征提取方法进行了研究,利用图像函数图来进行纹理描述,使用一个可变的阈值把一幅灰度纹理图像切割成一系列二进制图像,由二进制图像的连通域、几何拓扑属性推导纹理描述特征。实验结果表明,统计几何特征具有非常强的纹理描述能力,同时能够克服图像的旋转。     

采用方向树结构矢量组合的小波图像分类矢量量化

该文提出了采用方向树结构矢量组合对小波图像进行分类矢量量化的新方法。该方法的矢量构成结合了子带系数的方向性,充分利用了子带系数的带间和带内的相关性,按能量和活跃度进行两级分类,降低了类中矢量的内部离散度,分类信息占用比特数少,并采用了基于人眼视觉特性的加权均方误差准则进行矢量量化,提高了量化增益。仿真结果表明,该方法实现简单,可以达到很好的压缩效果。     

基于多特征多分辨率融合的高光谱图像分类

由于数据维数高,利用高光谱数据对地物进行分类,常规方法难以获得令人满意的结果,在基于小波多分辨率融合方法进行特征图像的提取过程中,提出了利用多个空间特征所构成的特征矢量确定多分辨率融合权值的算法,有效地降低了原始图像的数据维并获得了用于后续分类的特征图像．对AVIRIS数据进行的实验表明,利用新方法提取的特征进行分类,获得了高于传统方法确定融合权值的结果。     

Biometrics recognition based on fused Gaborface and Gaborpalm with DCV-RBF feature classification

A new multi-modal biometrics recognition approach for the small sample size problem is presented. Gaborface and Gaborpalm images at the pixel level are combined, and the fused images are classified using a DCV plus RBF feature classification method. The experimental results demonstrate the effectiveness of the approach     

局域自适应子波高斯神经网络综合分类系统

本文提出了一种用于船舶噪声分类的局域自适应子波高斯神经网络综合分类系统。该系统融合了两种特征提取和分类方法,即自适应子波神经网络和自适应高斯神经网络分类器,并利用网络局域化使得系统具有追加学习的能力。通过对实际的三类船舶噪声进行分类识别,结果令人满意,证明了该方法的优越性和工程应用前景。     

基于小波高频系数统计特征的电路故障诊断

对故障电路进行特征提取与分类是模拟电路诊断的两个重要环节。现有方法多对时域响应信号进行小波变换以提取故障特征,并用神经网络或支持向量机方法实现对故障进行分类。为提高模拟电路故障诊断率,提出一种新的特征选取方法:在模拟电路的时域响应中对其进行小波变换,并对变换得到的高频细节系数统计平均值、标准偏差、峭度、熵和偏斜度等统计特征,并建立以支持向量机为分类器的故障诊断系统。以两种常见电路为例,实验结果表明,提出方法对常见电路进行故障诊断,准确率得到提升,精度达到99%以上,优于传统单纯小波系数分析方法,适用于模拟电路的故障诊断。     

基于多分辨率Trace变换的纹理图像分类

针对Trace变换提取的图像特征缺乏对纹理边缘信息描述和计算代价高的问题,利用小波变换对图像轮廓的表征优势,提出了多分辨率Trace变换并应用于纹理图像分类.首先,将小波变换引入到Trace变换中,对纹理图像进行非下采样小波变换,得到不同频率的低频特征子图及高频边缘子图;其次,在各级子图上进行一组泛函的Trace变换,获取纹理图像的融合特征,在获得图像边缘信息的同时避免了Trace变换不同泛函组合计算代价过高的问题;最后,把融合特征送入支持向量机对图像进行分类.实验结果表明,对图像采用多分辨率Trace变换提取的融合特征具有更好的纹理描述能力,相对于传统Trace变换及MCM等对比方法具有更高的鉴别性能,且在时间效率上相对于传统Trace变换有大幅提升.     

采用双字典协作稀疏表示的光照及表情顽健人脸识别

提出一种采用小波变换(WT)及双字典协作稀疏表示分类(CSRC)的人脸识别方法-WT-CSRC.WT-CSRC首先利用PCA(主成分分析)将小波分解后的人脸高频细节子图融合成高频细节图像;然后用PCA分别对人脸低频图像和高频细节图像进行特征提取,构造低频和高频特征空间,并用训练样本在两种特征空间上的投影集构造低频字典和高频字典;最后将测试样本在两种字典上进行稀疏表示,并引入互相关系数以增强人脸识别的可靠性,实现了人脸的协作分类.实验结果表明,提出的方法提高了人脸识别率,对光照变化及表情变化具有较强的顽健性,并且具有较高的时间效率.     

一种新的像素级多聚焦图像融合算法

该文在小波变换的基础上提出了一种将一维自组织特征映射(SOFM)网络和进化策略相结合的多聚焦图像融合算法。该方法对不同聚焦点的图像进行冗余小波分解,再分别将其各方向、各尺度的高频信息进行叠加,并在高频信息叠加层上提取反映图像清晰度差异的归一化特征图,依据此特征图,使用SOFM网络对原始图像像素进行分类,并利用进化策略对各类像素求出最优的融合系数。实验结果表明该算法比拉普拉斯变换法和小波变换法具有更好的融合效果。