一种新的纹理分割方法

本文提出一种新的纹理图象分割方法,其原理是将原始纹理图象化分成许多相互复盖的窗口,在每一个窗口上分別计算其纹理特征。并用该纹理特征代替窗口所对应象素的灰度值,从而把一灰度纹理图象映射成特征超平面。然后采用边缘检测方法在特征超平面上检测其特征突变点,所有这些突变点构成了不同纹理的交界线。所以检测到特征突变点就等价于完成纹理分割。在这种分割方法中,有效的纹理特征是分割准确度的关键。     

一种纹理背景下的物体分割算法

本文基于背景纹理与物体表面的图象特征存在着根本性的差别这一特点,提出一种纹理背景下物体自动分割算法。这种算法本质上是从灰度分布来分割物体的算法的推广,它不仅适用于背景纹理灰度与物体表面灰度不同的图象,而且适用于背景平均灰度与物体表面平均灰度相同的图象。当纹理背景是不平稳纹理时或背景包含多种纹理时,这种算法仍然是有效的。由于算法对图象的处理是按行顺序进行的所以非常易于采用多机并行处理。     

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。     

基于纹理特征库的微光图像色彩纹理传递

对微光夜视图像进行了色彩和纹理的传递.在多次实验的基础上,从拍摄的大量微光图像里,提取不同模式的纹理块,构建了天空,道路、草地、树木四类景物的微光图像库,并结合灰度共生矩阵和Gabor滤波器提取图像纹理特征,建立其对应的纹理特征库.然后通过比对目标图像像素点纹理特征与特征库中各向量的相似性,来判定该像素所属类别,实现了...     

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。     

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,...     

基于局部沃尔什变换的纹理特征提取方法研究

本文提出一种基于局部沃尔什变换提取图像纹理特征的新方法。首先给出局部沃尔什变换的定义,然后分 析了局部沃尔什变换系数的统计特性及其各阶矩的纹理鉴别性能,并选取具有较好鉴别性能的2、4、6阶矩作为纹理特征。 实验结果表明,与灰度共现矩阵方法、纹理谱方法、局部傅立叶变换方法、MRF模型方法、Gabor滤波器组方 法相比,基于局部沃尔什变换的纹理特征具有更好的鉴别性能,且计算简单。     

脱机手写签名纹理特征分析

文章利用各种方法分析了脱机手写签名的纹理特征．并经比较后提出在签名灰度图像的基础上，利用CDTM(Cross—Diagonal Texture Matrix)方法得到签名的纹理矩阵。在此基础上，计算相关统计特征作为签名的纹理特征。然后建立了相应的鉴别系统，并对签名样本进行了鉴别，实验结果表明利用CDTM提取签名纹理特征的有效性。     

基于灰度共生矩阵的纹理分析方法研究

介绍了纹理的定义及特征,并分别对统计方法、结构分析方法、基于纹理模型的方法和信号处理方法四种纹理图像分析方法进行了描述。针对统计方法中的灰度共生矩阵进行了详细的分析研究,并得到利用其进行纹理分析设计的重要参数。说明灰度共生矩阵法在纹理分析中的重要性。     

基于LBP-GLCM纹理特征提取的服装图像检索

提出了一种针对服装图像检索的LBP-GLCM纹理特征提取方法,首先利用Uniform-旋转不变局部二值模式算法处理服装图像,得到不会因为旋转而改变的编码图像,然后获取此图像的灰度共生矩阵,采用能量、对比度、相关性和均匀性描述图像的纹理特征.实验数据表明,LBP-GLCM纹理特征提取方法具有良好的抗旋转性,且在采用欧氏距离作为相似性度量时,LBP-GLCM相较于GLCM纹理特征提取方法可以获得更高的检索效率和准确率.     

基于纹理特征的能见度测量时段区分方法

为了进行能见度的数字摄像法测量,提出了基于纹理特征的能见度昼夜时段区分方法。从直方图分析中得到的纹理参数,包括灰度均值、方差、熵和扭曲度,均能反映出两类图像所特有的纹理特征。通过对纹理参数的统计分析,能够准确得到能见度测量的白天和夜间时段。将该方法用软件编程实现,表明该方法准确、可靠,为数字摄像法测量能见度的进一步研究奠定了基础。     

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.     

一种基于纹理和颜色的粒子滤波目标跟踪方法

针对基于颜色的粒子滤波跟踪方法在复杂背景下会导致跟踪失败的问题,提出了一种基于局部二值模式纹理和颜色特征的粒子滤波目标跟踪方法。颜色直方图是对目标在彩色图像中的全局描述,而局部二值模式纹理包含了灰度图像中局部邻近区域的纹理信息,两者可以互为补充。因此同时用颜色直方图和局部二值模式纹理直方图描述目标,在粒子滤波框架下将目标颜色和局部二值模式纹理有机结合起来。实验结果表明,该算法不仅提高了跟踪精度,而且具有较强的稳健性。     

结合Gabor滤波器和ICA技术的纹理分类方法

提取有效的特征用于纹理描述和分类一直是纹理分析的难点.本文提出一种结合Gabor滤波器和ICA技术的纹理特征提取方法,即纹理图像首先经过Gabor滤波器组滤波,然后由滤波图像直接构建高维特征矢量;再将这些高维特征矢量通过主成分分析PCA进行降维,最后采用ICA技术分析和提取降维后的特征矢量中的独立成分用于纹理分类.通过与经典Gabor滤波器和ICA方法的对比实验,验证和评价了本文方法的性能.     

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.     

基于小波包和分形相结合的纹理分类

纹理是图像内容的重要特征之一,纹理图像分类中最重要的步骤是纹理特征的提取。纹理图像利用空间-频率域分析法时,纹理特征主要集中在中、高频段,纹理图像边缘包含着丰富的纹理特征信息。利用小波包和分形相结合的方法提取纹理特征值进行纹理图像分类,实验结果表明此算法是合理有效的,纹理分类的正确识别率较高。     

综合有向纹理特征及其在多光谱图像融合中的应用

纹理特征是多光谱图像中除光谱特征以外的一类重要的图像特征。该文通过对有向纹理特征的分析提出了综合有向纹理特征的概念,建立了求解综合有向纹理特征的方法,并在此基础之上提出了基于图像冗余小波域的综合有向纹理特征重要中心系数算法。该算法将多光谱图像的光谱信息与形态信息进行了有机的结合,在保持源图像光谱特征的同时也考虑到了纹理特征对于融合效果的影响。对模拟及真实多光谱图像融合实验结果的主观视觉评价、客观定量分析说明该算法与现有的同类多光谱图像融合算法相比,能够更有效地融合源图像信息、更好地保持源图像纹理特征。     

基于向量小波多尺度纹理分析的红外小目标检测

向量小波具有一般标量小波所不具备的许多优点。以背景纹理分析为基础，首先利用向量小波对不同尺度下各通道图像进行分解，然后利用能量法提取其局部纹理特征，并计算各点的特征向量与中心向量间的距离，即可得到一个相关的多尺度距离像，根据该距离像进行直方图统计，从而实现目标的检测。实验表明，本方法对小目标的检测取得了较好的效果，检测率高，且能较精确地检测出小目标的位置。尤其是本方法所具有的运行速度快，耗时少的特性更突出地体现了其独特魅力。