基于融合图像特征库的夜视图像彩色化研究

提出一种基于图像融合技术的夜视图像彩色化方法,结合红外图像和微光图像各自的特点,利用小波图像融合的方法把红外图像和微光图像进行融合,从大量的融合图像中提取不同物体的纹理特征,构成野外环境下的纹理图像库,并对每类图像指定相应的彩色参考图像。对目标图像进行分割,提取目标图像的纹理特征与图像库进行相似性对比,完成目标图像的色彩传递。实验结果表明,该算法获得真实的场景色彩,使观察者更容易获得图像的场景信息。     

融合颜色特征和纹理特征的图像检索算法

文章结合颜色特征和纹理特征,利用欧氏距离计算两幅图像的相似度进行图像检索。首先,在HSV空间下,提取颜色特征并进行归一化处理。然后,提取GLCM的特征值,并结合Tamura特征形成更加丰富的纹理特征。最后,分别计算待检索图像和图像库中图像的颜色和纹理相似度,在不同权重下融合颜色和纹理特征得出最终相似度。Matlab实验表明,不同种类的图像,分配颜色和纹理的不同权重时,有不同的查准率。调整图像的特征权重可以提高查准率。     

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。     

基于红外目标分割的图像融合方法研究

针对红外图像中目标图像灰度分布集中,微光图像灰度分布相对均匀的特点,提出了一种先提取红外图像中的热目标,然后以微光图像为背景进行图像融合的方法.实验结果表明,该方法在保留微光图像高空间分辨率和丰富纹理细节信息的同时,又突出了红外图像中的热目标.     

基于色彩和纹理特征融合的模糊人脸识别方法

基于纹理特征的方法被广泛应用于人脸识别。然而纹理特征依赖于图像的高频细节信息,当图像出现模糊时,单纯利用纹理特征的识别方法的识别精度会急剧下降。为了克服纹理特征的在模糊人脸识别中的不足,提出了一种基于色彩特征和纹理特征融合的识别方法。首先参照人类的对立色感知机制提取人脸的色彩特征;然后,将该色彩特征和纹理特征分别用于识别分类;最后,将二者的识别相似度进行融合,得到最终的识别结果。该色彩特征描述了图像的低频信息,其对图像模糊不敏感,并且与描述图像高频信息的纹理特征具有良好的互补性。在FERET 和AR 人脸库上的实验表明,融合色彩特征和纹理特征有效地提高了模糊人脸的识别精度。     

用于纹理检索的多尺度复杂性纹理描述子

提出了基于复杂性度量和图像多尺度分析的纹理特征提取方法,提取后的特征用于纹理检索.使用的复杂性度量为一维和二维CO复杂性.采用的图像多尺度分析方法有金字塔分解、小波分解(Haar小波与Db2小波)和二维经验模式分解.实验结果表明:提出的基于Db2小波分解的一维和二维CO复杂性特征是适于纹理检索的特征.它们均取得了和Ga...     

基于空间映射复Directionlet变换的图像纹理分类

Directionlet变换具有多方向各向异性基函数,能有效捕捉图像的奇异性特征。该文在此基础上构造了一种空间映射的复Directionlet变换,使其具备了更为灵活的方向选择性和近似的平移不变性。利用空间映射方法获得Directionlet变换的复函数空间,对多尺度各方向子带系数提取能量特征用于图像纹理分类。通过对Brodatz图像库及真实SAR图像的纹理分类实验表明,该文算法较之小波分析及其它多尺度几何分析方法,具有更优的纹理分类性能,也验证了Directionlet工具在图像分析中的应用潜力。     

基于RPCA的SAR图像纹理特征去噪

合成孔径雷达(SAR)图像具有丰富的纹理信息,这些纹理信息能反映地物空间结构关系。当前纹理特征被广泛应用于SAR图像分类和SAR图像分割中。受成像因素影响,直接采用从SAR图像中提取的纹理特征效果不够好。为避免传统先滤波再提取纹理特征的方法对纹理、边缘信息造成损失,提出了一种先提取SAR图像纹理特征,再利用Robust PCA方法对纹理特征去噪的新方法,最后采用Kmeans聚类方法检验RPCA处理后的纹理特征表达效果。实验结果表明该方法能将聚类正确率从82%提高到84%。     

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。     

纹理图像检索的不同相似性度量方法的比较研究

图像特征和相似性度量方法的选取是基于内容图像检索的一个关键环节。针对该问题，提出一种基于整数小波包分解的纹理特征检索方法。通过连接小波包分解后各尺度内和尺度闯不同频带的小波系数，提取标准方差和均值信息描述纹理。此外，对8种相似性度量方法进行了分析和比较。通过对纹理库的检索实验表明，与传统的距离测度相比，Canberra和Bray—Curtis距离测度能有效地提高图像的检索性能。     

快速纹理映射技术

本文提出一种利用区域求和表对纹理图案进行采样的正向纹理映射技术。通过使用二叉村图象分割算法以及Ｇｕｅｓｓ采样函数对图形进行采样和滤波，有效地解决了纹理映射过程中存在的图形走样问题；使用纹理图案的区域求和表和正向纹理映射技术，提高了纹理图案的采样效率，避免了逆映射过程中出现的对同一纹理元素多次采样的问题；正向映射简化了计算复杂性，为并行处理提供了条件，加快了纹理映射速度。     

交互性纹理合成

扩充了Efros与Freeman的图片缝合算法,添加了图形用户界面,从而可以动态地改交参数,并对算法做了一些改进,增强了用户对纹理合成的可控性并丰富了合成纹理的多样性.     

Lightweight Probabilistic Texture Retrieval

This paper contemplates the framework of probabilistic image retrieval in the wavelet domain from a computational point of view. We not only focus on achieving high retrieval rates, but also discuss possible performance bottlenecks which might prevent practical application. We propose a novel retrieval approach which is motivated by previous research work on modeling the marginal distributions of wavelet transform coefficients. The building blocks of our work are the dual-tree complex wavelet transform and a number of statistical models for the coefficient magnitudes. Image similarity measurement is accomplished by using closed-form solutions for the Kullback-Leibler divergences between the statistical models. We provide an in-depth computational analysis regarding the number of arithmetic operations required for similarity measurement and model parameter estimation. The experimental retrieval results on a widely used texture image database show that we achieve competitive retrieval results at low computational cost.     

一种基于纹理元灰度模式统计的图像纹理分析方法

 本文提出了纹理元灰度模式的概念及采用纹理元灰度模式统计进行纹理分析的方法,根据纹理元灰度模式分布直方图,定义了若干反映其模式分布的特征,利用它们作为纹理特征对纹理图像进行分类与分割,并采用Laws纹理能量法做了对比实验,实验表明,采用本文方法比传统方法能取得更好的效果,有很强的实用性.     

基于Mip-map的纹理映射反走样技术

计算机图形最终成像的质量和许多因素有关。图像假象问题是由于建模和其他因素引起的,它们是生成图像所用的渲染算法运算的结果。渲染用时越少,质量越高,渲染出来的图像就越逼真。利用纹理映射技术则可以使渲染达到令人满意的效果。但是现有的纹理映射技术有其相应的局限性,不能满足实时的需求。在利用OpenGL图形库的基础上,基于改进的Mip-map纹理映射技术能有效的解决上述问题,并且给出了改进前后图像清晰度的对比,以及时间上的对比。     

一类几何纹理生成方法

提出一种基于OpenGL的几何纹理生成方法,该方法通过对一类几何纹理构成规律的研究,选择随机函数和三角函数作为扰动函数,对景物表面法向量进行扰动,产生相应的几何纹理。实验结果验证了方法的有效性。     

一种改进的纹理合成算法

基于已有的纹理合成算法,提出将单象素点的纹理合成改进为矩形纹理区域的合成,以加速合成过程,匹配矩形纹理区域时采用提取纹理结构信息的方法来实现,取得了较好的合成结果.实验结果表明,改进的算法无论在合成速度和合成质量上都有较大的提高,对于大纹理的合成,速度更快,而且有广泛的适用性.     

Texture classification using spectral histograms

Based on a local spatial/frequency representation,we employ a spectral histogram as a feature statistic for texture classification. The spectral histogram consists of marginal distributions of responses of a bank of filters and encodes implicitly the local structure of images through the filtering stage and the global appearance through the histogram stage. The distance between two spectral histograms is measured using /spl chi//sup 2/-statistic. The spectral histogram with the associated distance measure exhibits several properties that are necessary for texture classification. A filter selection algorithm is proposed to maximize classification performance of a given dataset. Our classification experiments using natural texture images reveal that the spectral histogram representation provides a robust feature statistic for textures and generalizes well. Comparisons show that our method produces a marked improvement in classification performance. Finally we point out the relationships between existing texture features and the spectral histogram, suggesting that the latter may provide a unified texture feature.     

Texture analysis — a survey

Texture is the term used to characterize the surface of a given object or phenomenon and it is undoubtedly one of the main features used in image processing and pattern recognition. It is commonly agreed that texture analysis plays a fundamental role in classifying and outlining the significant regions of a given gray level image. Texture can be seen in images ranging from multispectral remote sensed data to microscopic images. A solution to the texture analysis problem will greatly advance the image processing and pattern recognition fields and it will also bring much benefit to many possible industrial applications.This survey presents the state-of-the-art in the texture analysis field and it includes also its relation to scientific fields like artificial intelligence and visual perception. The paper outlines the main issues and difficulties and then it presents most of the relevant methods used today in texture analysis. We conclude by outlining directions for future research as they are perceived today in the image processing community.