一种基于Wedgelet变换的遥感图像分类算法

介绍了一种基于Wedgelel(楔波)变换的遥感图像分类算法.该算法将多尺度Wedgelet变换应用于遥感图像区域分割,在此基础上提取各分割区域的Gabor纹理特征实现对遥感图像的分类.为了检验该算法的可行性,将其应用于向海和查干湖遥感图像,并与灰度共生矩阵、高斯马尔科夫随机场等纹理分类算法进行了比较.结果表明,该算法要优于灰度共生矩阵及高斯马尔科夫随机场分类算法,能够得到较高的分类精度和Kappa系数.     

基于混合矩特征提取的飞机图像识别

提出了一种新的基于图像区域纹理混合矩特征的飞机识别算法.该算法基于一阶直方图的颜色矩特征和基于灰度共生矩阵提取区域图像相关性、角二阶矩、对比度、相关性、倒数差分矩特征,实现有效降维,并采用聚类分析方法对飞机图像进行识别,实验结果显示基于该特征提取的识别方法识别正确率达95%以上,通过对比试验说明,该算法有较好的识别性能.     

基于GLCM算法的图像纹理特征分析

深入研究灰度共生矩阵(GLCM,Gray Level Co-occurrence Matrix)算法,说明基于灰度共生矩阵的14个纹理特征具体意义,指出纹理特征之间存在冗余性。通过对纹理图像的灰度共生矩阵的计算分析和纹理特征提取实验,表明灰度共生矩阵能够反应图像的特点,与纹理特征描述图像的特点相对应,同时,图像的14个纹理特征之间存在一定程度的冗余,实际中可以根据图像纹理特征的差异,选择几个显著的纹理特征对图像进行分类。纹理特征分析和实验结果对图像纹理特征的应用具有普遍的指导意义。     

基于灰度共生矩的SAR图像纹理特征提取方法

为更有效地提取合成孔径雷达（SAR）图像中的有效信息,提出了一种基于灰度共生矩阵的纹理特征提取方法。该方法在分析图像灰度共生矩常用特征描述量基础上,研究了窗口尺寸和位移向量对纹理特征的影响,通过比较不同目标各种纹理特征的分布及平均值的相差程度,计算了灰度共生矩阵的最佳窗口尺寸和位移向量,确定参与分类的可用纹理特征组合,...     

基于灰度-梯度共生矩阵的车轮踏面缺陷聚类分析北大核心CSCD

车轮作为列车走行部的关键部件之一,其踏面产生缺陷后会直接影响到列车的运行安全。为了能够在检测时准确识别车轮踏面缺陷不同类型,提出一种基于灰度-梯度共生矩阵的纹理特征提取方法,对踏面图像的灰度和梯度特征分析之后,根据灰度-梯度共生矩阵提取踏面图像纹理特征矢量,再结合K-均值(K-means)聚类优化算法对踏面缺陷特征量进行聚类,从而将踏面缺陷类型进行分类,并将分类结果用可视化数据显示。实验结果表明,采用上述所提方法,对车轮踏面缺陷不同类型的分类识别精度达96%以上。     

激光雷达中基于组合纹理的低空风切变识别算法

针对不同的风切变在激光雷达图像上所呈现的不同纹理特性,提出了一种组合局部纹理特征和全局纹理特征的识别方法。先分别从激光雷达风切变图像中提取LBP特征和灰度-梯度共生矩阵特征,LBP特征反应图像的局部纹理,代表风场局部风速的变化,灰度-梯度共生矩阵特征反应图像的全局纹理,代表风场全局的风速变化,再通过典型相关分析对两种特征进行融合,最后采用最近邻分类器对三种风切变进行匹配识别。实验结果表明,该算法对三种低空风切变的平均识别率达到99.02%,与三种单一的纹理特征分类识别相比,分别提高了18.86%,5.88%和7.01%。     

一种大尺寸遥感图像基于内容检索的纹理特征提取算法

大尺寸图像按照区域类别分块,用灰度共生矩阵法对各子块提取出纹理特征,并利用类似Hu的不变矩的方法对各子块纹理信息进行统计,从而提取出与大图像中各纹理的空间位置相关的一组纹理特征值。该方法对传统的共生矩阵法进行了改进,使其适用于大尺寸图像多区域类别的纹理特征提取,可用于大尺寸遥感图像的基于内容的检索和初分类研究。     

基于Gabor和灰度共生矩阵混合特征叶片泵装配质量检测

本文提出一种Gabor和灰度共生矩阵相结合的特征来检测叶片泵中叶片装配质量的方法。首先构建叶片图像数据集,用5种尺度的和4种方向的Gabor滤波器对图像滤波,根据滤波后的图像计算得到幅值特征图,然后提取幅值特征图的灰度共生矩阵特征,最后融合归一化各个幅值特征图提取到的特征,利用主成分分析法降维,并用这些特征向量训练支持向量机(SVM)分类器,实现对叶片装配质量的评估。将本文提出的混合特征与LBP特征、灰度共生矩阵分别进行了比较得到的分类效果约提高了约10%。基于Gabor和灰度共生矩阵混合特征的叶片装配质量检测准确率提升到了93%。实验结果表明Gabor特征和灰度共生矩阵结合后能够很好从多尺度、多方向上提取图像的纹理特征,并应用于图像分类取得了良好的效果,在一些图像识别上有很宽广的应用前景。     

综合BTC颜色矩和灰度共生矩阵的图像检索算法

针对图像检索的多特征融合问题,提出了一种综合BTC颜色矩和灰度共生矩阵的图像检索算法。该算法借鉴BTC的思想,对传统的颜色矩进行改进,将图像分为若干子块,每个子块按照阈值分割为两类像素,计算颜色矩,提取图像的颜色特征;利用灰度共生矩阵提取图像的纹理特征;通过颜色、纹理单特征相似度加权求和来表示图像的综合特征相似度,进行图像检索。实验结果表明,该算法能够综合颜色特征和纹理特征,有效地提高图像检索的查准率。     

基于纹理特征的SIFT算法改进

针对SIFT(Scale Invariant Feature Transform)算法中使用固定对比度阈值提出了改进方法。当红外图像纹理特征不明显时,算法所能提取的特征点数量会大量减少,影响后续利用特征点进行如图像匹配、目标识别等处理。而人工改变对比度阈值具有局限性,不适用于很多场合。因此提出了一种基于纹理特征的自适应对比度阈值的SIFT算法。所使用的纹理特征提取方法是灰度共生矩阵,鉴于灰度共生矩阵并不能直接应用的特点,因此提取了特征参数。在图像纹理的特征参数如角二阶矩较大时,调低对比度阈值,使得特征点数量得以提高。此算法经验证表明能够在图像纹理特征不明显的情况下依然提取出大量的SIFT特征点。     

融合矢量量化与LBP的图像检索算法

基于内容的图像检索算法一直是图像领域研究的热门课题,因此提出一种新的融合矢量量化与LBP的图像检索算法。首先,将彩色图像转化到HSI颜色空间,进行矢量量化编码,统计图像码字出现的频数,形成颜色直方图,完成颜色特征的提取;然后,再将彩色图像转化成灰度图像,利用局部二进制模式(LBP)算法提取纹理特征;最后,相似度计算采用颜色特征和纹理特征相似度加权平均,并且改变颜色特征和纹理特征的权值,多次实验,得到使查准率最高的权值。实验结果表明,算法能有效地提升图像检索性能。     

一种新的多尺度旋转不变性纹理特征提取方法

提出一种基于局部Walsh谱(LWS)的多尺度旋转不变性纹理特征提取方法。首先通过比较每个像素点与邻近点的灰度值生成局部二值序列,然后计算局部二值序列的离散Walsh-Hadamard变换(DWT)的功率谱,最后采用功率谱的各谱点值构成特征直方图描述纹理特征。通过选择不同半径和采样点的局部二值序列可以得到不同尺度下的纹理特征,利用DWT功率谱的循环移位不变性可实现纹理特征的旋转不变性。纹理分类实验结果表明:与灰度共生矩阵(GLCM)、Gabor滤波器组等纹理特征相比,LWS在纹理鉴别能力和计算时间上具有较明显优势;与局部二值模式(LBP)相比,LWS在纹理分类准确率和旋转不变性方面均优于LBD。     

纹理特征提取方法

纹理作为图像重要特征,广泛存在于各种图像中。文中主要介绍了基于分形维数提取法、小波提取法、Gabor滤波器提取法、灰度共生矩阵提取法等纹理特征提取的原理和步骤等,并对各个方法的优、缺点进行了归纳总结。     

基于多特征组合的彩色遥感图像分类研究

为了解决利用单一特征对彩色遥感图像进行分类效果不理想、普适性不强等问题,提出了一种基于颜色和纹理特征组合的支持向量机彩色遥感图像分类方法。该方法尝试将彩色遥感图像的颜色信息和纹理信息相结合作为支持向量机算法分类的特征向量,据此对遥感影像进行分类,并进行了实验验证。结果表明,颜色和纹理特征组合的支持向量机分类方法能够取得较高的分类精度,其分类效果优于传统的单一颜色或纹理特征分类,是一种有效的彩色遥感图像分类方法。     

多特征融合的行人检测算法

针对站立行人的外观特性,提出多特征优选的行人检测算法.首先在特征提取阶段,分别利用梯度直方图,灰度共生矩阵、HSV颜色来提取行人的边缘,纹理和颜色频率特征,构成丰富的特征集.接着在分类器创建阶段,使用偏最小二乘法降维算法,优选出权重较大的特征,形成二次判别分类器.最后利用训练好的分类器,对行人进行监测.实验结果表明,本算法在FPPW =0.0001时漏检率为3％左右,检测精度高于HOG和PID算法.     

一种改进的综合BTC颜色矩和DT-CWT的图像检索算法

摘 要：特征提取是基于内容的图像检索中的关键技术。针对基于单一特征检索效果不理想的问题,提出一种改进的综合颜色和纹理特征的图像检索算法。该算法在YIQ颜色空间中进行特征提取,首先结合方块编码（BTC）的思想,提取颜色矩作为颜色特征;采用双树复小波变换（DT-CWT）提取纹理特征,融合两种特征并利用相似性度量方式进行图像检索。实验结果表明算法所提取的颜色、纹理特征更利于检索,使用综合特征检索的平均查准率比同类算法更高。     

基于内容的图像检索系统的实现

将小波变换有效地运用于对图像的颜色和纹理特征的提取，并提出了一种将小波变换与图像分块结合起来提取颜色特征的方法，开发出一个综合运用颜色、纹理特征及相关反馈技术进行图像检索的系统。实验结果表明，该系统具有明显的优越性和通用性。     

（英）集成颜色特征和统计特征的极化SAR图像城区分类框架

在传统的利用极化合成孔径雷达(PolSAR)遥感图像分类中,除了近期一个有监督分类的工作,很少涉及颜色特征。与该工作不同,在本文中,针对城区分类,利用颜色特征构造一个新颖的无监督的分类框架。首先,基于最近提出的PolSAR数据的四分量分解模型,计算了常用的颜色空间：YUV,RGB,HSI和CIELab,通过引入颜色熵量化的选择颜色特征,然后,联合纹理特征和扩展的散射功率熵,用自适应的均值漂移算法分割PolSAR图像,最后,根据基于G0分布的距离测度合并聚簇为较为匀质的地物类别。通过L波段AIRSAR数据和C波段Radarsat-2的PolSAR数据验证了提出算法的有效性,分类正确率表明,相比于已有的工作,提出的算法对于城区有较好的区分能力。     

Automatic system for quality-based classification of marble textures

In this paper, we present an automatic system and algorithms for the classification of marble slabs into different groups in real time in production line, according to slabs quality. The application of the system is aimed at the marble industry, in order to automate and improve the manual classification process of marble slabs carried out at present. The system consists of a mechatronic prototype, which houses all the required physical components for the acquisition of marble slabs images in suitable light conditions, and computational algorithms, which are used to analyze the color texture of the marble surfaces and classify them into their corresponding group. In order to evaluate the color representation influence on the image analysis, four color spaces have been tested: RGB, XYZ, YIQ, and K-L. After the texture analysis performed with the sum and difference histograms algorithm, a feature extraction process has been implemented with principal component analysis. Finally, a multilayer perceptron neural network trained with the backpropagation algorithm with adaptive learning rate is used to classify the marble slabs in three categories, according to their quality. The results (successful classification rate of 98.9%) show very high performance compared with the traditional (manual) system.     

A fully unsupervised color textured image segmentation algorithm using weighted mean histograms features

A new integrated feature distribution-based color textured image segmentation algorithm has been proposed. Two novel histogram-based inherent color texture feature extraction methods have been presented. From the histogram features, mean color texture histogram is calculated. Instead of concatenating the feature channels, a multichannel nonparametric Bayesean clustering is employed for primary segmentation. A region homogeneity-based merging algorithm is used for final segmentation. The proposed feature extraction techniques inherently combine color texture features rather then explicitly extracting it. Use of nonparametric Bayesean clustering makes the segmentation framework fully unsupervised where no a priori knowledge about the number of color texture regions is required. The feasibility and effectiveness of the proposed method have been demonstrated by various experiments using color textured and natural images. The experimental results reveal that superior segmentation results can be obtained through the proposed unsupervised segmentation framework.