基于角度径向变换的旋转不变纹理分类

纹理分类广泛的应用于医学图像分析等领域,纹理图像的采集因拍摄角度的变化产生一定的旋转,本文提出一种基于角度径向变换的旋转不变纹理分类方法。首先采用角度径向变换方法对图像进行特征提取,分别得到图像的角向特征向量和径向特征向量;然后将提取出的2组特征向量结合起来作为图像的整体特征向量,利用K近邻特征空间距离的分类方法进行纹理分类。选取Brodatz纹理库中的图像进行纹理分类测试,实验结果表明,该算法具有较好的旋转不变纹理分类效果。     

基于Radon变换和SWT的旋转不变纹理分类

提出了一种应用Radon变换和离散平稳小波变换(SWT)的旋转不变纹理分类算法。该方法首先对纹理图像进行Radon变换将旋转转化为平移,再用具有平移不变性的离散平稳小波对变换后的图像滤波并计算各子带的能量值组成旋转不变特征向量,最后利用支持向量机实现纹理图像的分类。将本方法与其它旋转不变纹理分类法进行比较,实验结果表明,提出的方法能有效地提高正确分类率。     

基于Radon变换和EMD的旋转不变纹理分类"

提出一种结合Radon变换和经验模态分解(EMD)的旋转不变纹理分类方法。对纹理图像进行Radon变换,使用EMD分解成一系列固有模态函数(IMF),用修改过的能量公式计算各IMF的能量并组成特征向量,利用k-近邻对纹理图像进行分类。通过对Brodatz纹理库中的图像进行分类实验,表明所提方法能够有效地进行旋转不变的纹理分类,较之单一的Radon变换分类有了显著的提高。     

基于Log-Polar和DT-CWT的旋转不变纹理分类算法

提出了一种基于对数-极坐标变换和双树复数小波变换的旋转不变纹理分类算法。该方法首先对纹理图像进行对数-极坐标变换将旋转转化为平移,再用具有平移不变性的双树复数小波对变换后的图像滤波并计算各子带的能量值组成旋转不变特征向量,最后利用支持向量机算法实现纹理图像的分类。将本方法与其它旋转不变纹理分类算法进行比较,实验结果表明,提出的算法能有效地提高正确分类率。     

基于四元数傅里叶梅林变换的旋转不变彩色纹理分类

提出一种基于四元数傅里叶梅林变换(Quaternion Fourier-Mellin Transform,QFMT)的旋转不变彩色纹理分类方法。该方法首先对彩色图像各分量图像进行对数极坐标变换,然后将经过变换后的3幅分量图像表示成四元数,并对其进行四元数傅里叶变换(Quaternion Fourier Transform,QFT),最后对幅度谱分别统计其环形特征量和楔形特征量作为纹理分类的特征向量,利用最近邻分类器进行分类。实验结果表明,本文提出的方法分类准确率更高,且具有良好的旋转不变纹理分析性能。     

旋转不变傅立叶纹理特征提取

旋转不变纹理分析是纹理分析的重要方面。通过将对数极坐标和傅立叶变换结合,完成旋转不变的傅立叶纹理特征提取。实验证明,该方法具有良好的旋转不变纹理分析性能。     

基于纹理的旋转不变图像检索算法的研究

提出一种基于Gabor变换的旋转不变多尺度广义粗糙度特征向量并结合自适应加权距离进行纹理图像检索的方法。利用图像Gabor分解的幅度谱,依据多尺度空间局部能量分布、Hurst分形指数、方向差别来计算纹理特征向量,最后采用自适应加权的街区距离作为相似性准则。仿真结果表明,该算法对旋转纹理图像取得了很好的检索结果。     

基于幅值谱与不变矩的特征提取方法及应用

研究了傅立叶变换、不变矩的原理及特点,提出基于幅值谱与不变矩的特征提取方法,并应用于中厚板的表面缺陷自动分类.从现场在线采集中厚板的表面图像,将每幅表面图像划分成128×128大小的子图像,对子图像进行傅立叶变换得到子图像的幅值谱,再对幅值谱图像求Hu不变矩,将不变矩作为特征量,通过这种方法提取的特征向量不仅具有平移、旋转不变性,并且具有抗噪、抑制光照不均的优点.将本文方法得到的特征量作为基于LVQ神经网络的分类器输入,对缺陷样本进行学习和分类,结果表明,这些特征量适用于中厚板表面缺陷的分类,识别率达81.5％.     

基于旋转不变U变换的纹理图像分类

消除旋转影响是纹理图像特征提取及分类的关键问题之一.文中基于一类正交分段多项式函数系——U系统,提出一种纹理图像分类算法.首先通过U系统函数与三角函数的张量积定义了一类单位圆盘上的U调和基函数;基于该基函数,提出了图像的旋转不变U变换RIUTs,并在此基础上构造了具有平移、旋转及缩放不变的纹理图像描述子,从而得到纹理图像的特征向量.RIUTs既可以消除图像旋转的影响,又特别适合纹理图像特征提取.在通用纹理数据库中的纹理图像分类实验结果,表明了文中算法的优越性能.     

基于Gabor小波变换的医学图像纹理特征分类

Gabor小波变换技术对医学CT图像进行纹理特征分类时,由于图像拍摄角度的变化会造成分类的误差。针对以上问题,在Gabor小波变换的基础上提出一种用于分析旋转不变医学图像的方法。该方法采用旋转规范化,即特征元素的循环移位使规范化后所有的图像都具有相同的主方向。实验结果表明,加入旋转规范化循环算子的Gabor小波变换在医学CT图像纹理特征分类时能够达到较好的精确度。     

基于距离分布信息熵的商标图像检索

提出了一种基于距离分布信息熵的图像检索方法,该方法首先对图像的目标区域进行区域划分,然后提取区域的信息熵作为特征来描述图像形状,最后使用欧式距离度量熵矢量之间的相似性。实验结果表明,距离分布信息熵能有效地刻画出二值图象的形状特征,并且具有良好的平移、旋转及尺度不变性,检索结果符合人眼的视觉感受。     

A modified K-means algorithm for circular invariant clustering

Several important pattern recognition applications are based on feature vector extraction and vector clustering. Directional patterns are commonly represented by rotation-variant vectors F/sub d/ formed from features uniformly extracted in M directions. It is often desirable that pattern recognition algorithms are invariant under pattern rotation. This paper introduces a distance measure and a k-means-based algorithm, namely, circular k-means (CK-means) to cluster vectors containing directional information, such as F/sub d/, in a circular-shift invariant manner. A circular shift of F/sub d/ corresponds to pattern rotation, thus, the algorithm is rotation invariant. An efficient Fourier domain representation of the proposed measure is presented to reduce computational complexity. A split and merge approach (SMCK-means), suited to the proposed CK-means technique, is proposed to reduce the possibility of converging at local minima and to estimate the correct number of clusters. Experiments performed for textural images illustrate the superior performance of the proposed algorithm for clustering directional vectors F/sub d/, compared to the alternative approach that uses the original k-means and rotation-invariant feature vectors transformed from F/sub d/.     

利用脉冲耦合神经网络的纹理图像检索方法

为提高基于内容的图像检索系统(CBIR)中纹理特征提取的有效性,进一步提升CBIR系统的整体性能。提出了一种基于脉冲耦合神经网络的纹理图像检索方法。脉冲耦合神经网络(PCNN)是新一代的人工神经网络,在数据处理上具有很多优势。特征提取时具有平移、旋转、尺度、扭曲等不变性,以及很好的抗噪性,而这一点非常适合于图像检索系统。利用PCNN及简化模型ICM得到对应于不同灰度值的二值图像序列,计算序列中每幅图像的熵序列,其一维的特征矢量作为纹理特征。采用Eu-clidean距离进行相似度计算,建立了一套基于示例查询图像的纹理图像检索系统。实验结果表明,与小波包等特征提取方法相比,该方法不仅对噪声具有较强的鲁棒性,同时能降低特征向量维数,具有尺度、平移和旋转不变性,而且能取得更高的检索率。     

基于D-LDA与最近特征分类法的眼虹膜识别系统

以3个主要处理阶段来实现一个高识别率的虹膜识别系统。撷取人眼图像进而分离出虹膜图像，再利用图像处理予以改善，使得虹膜图像更适于后续的识别。接着建立虹膜的特征向量，在虹膜图像展开的过程中，解决了虹膜图像旋转不变性的问题，然后利用直接线性判别分析（D-LDA）的方式进行特征抽取，使得所产生出来的特征向量拥有最大类别间距离与最小类别内距离的特性。最后，探讨多种最近特征分类法与其识别效果，并将上述方法设计完成一套眼虹膜识别系统。实验结果显示，在样本特征向量数较少的情况下识别率有96．47％，如果在每个类别中增加样本特征向量的数量，则系统的识别率可以达到98．50％。     

基于欧氏空间相似度的云模型协同过滤算法

传统的基于余弦相似度度量的云模型协同过滤推荐算法未考虑特征向量的长度和维度,忽略了三个重要数字特征云期望、熵和超熵的关系,如各数字特征具有不同的性质和权重,导致特征丢失、区分度过小的问题。针对这些问题,提出了一种采用标准化的多维欧几里德相似度计算方法,通过将三个数字特征映射为三维空间的点,计算经指数函数标准化的欧几里德相似度,生成更合理的用户k近邻集,最终产生推荐。实验结果表明,该相似度计算方法能够为云特征向量提供更显著的区分度,并在一定程度上提高了推荐质量。     

A wavelet based multiresolution algorithm for rotation invariant feature extraction

The present work aims at proposing a new wavelet representation formula for rotation invariant feature extraction. The algorithm is a multilevel representation formula involving no wavelet decomposition in standard sense. Using the radial symmetry property, that comes inherently in the new representation formula, we generate the feature vectors that are shown to be rotation invariant. We show that, using a hybrid data mining technique, the algorithm can be used for rotation invariant content based image retrieval (CBIR). The proposed rotation invariant retrieval algorithm, suitable for both texture and nontexture images, avoids missing any relevant images but may retrieve some other images which are not very relevant. We show that the higher precision can however be achieved by pruning out irrelevant images.     

遥感图像拼接系统

提出和实现了一种图像配准方法,利用OpenCV库开发了一个低空遥感图像拼接系统. 将SIFT作为图像拼接特征向量,实现了图像局部尺度空间中极值点的计算和SIFT特征点的提取. 使用特征向量的欧氏距离实现特征点的粗匹配,结合随机抽样一致RANSAC算法对匹配点进行优化,并精确估算出投影变换矩阵,实现两幅图像的拼接. 最后实现对重合区域的图像融合. 实验结果表明本文方法较好的解决了遥感图像中常出现的图像的平移、缩放、旋转等变换下的配准问题,达到较好的拼接效果.     

立体视觉研究的现状与进展

立体视觉是计算机视觉中的一个重要分支，一直是计算机视觉研究的重点和热点之一，在２０多年的发展过程中，逐渐形成了自己的方法和理论，本文系统地评述了立体视觉研究的现状与进展，分析比较了各种技术的优缺点和适用范围，并着重论述了立体视觉的核心－－立体一匹配的研究进展，总结分析了目前立体视觉研究所存在的主要问题和今后的发展方向。