基于Markov随机场模型的纹理图像的缺陷检测

在工业自动化研究中,部件的缺陷检测是非常重要的过程。文中提出了一种基于图像纹理分析的表面缺陷检测方法,图像表面纹理特征是利用Markov随机场模型来描述的,通过学习和聚类分析来检测出纹理图像中有缺陷的区域。试验结果表明,该方法可以有效地描述不同种物质表面的纹理特征,并能准确地检测和定位缺陷。     

一种无接缝纹理映射算法

针对基于图像三维重构得到的三维形状的纹理映射算法通常存在接缝现象的问题,提出一种无接缝纹理映射算法。该算法通过建立三维网格顶点和视点之间的马尔可夫随机场模型,利用重心坐标权重插值进行颜色填充,构造出一个无接缝的纹理图像。实验结果表明,马尔可夫随机场模型可以在保证纹理图像质量的同时最小化接缝现象,在此基础上的权重颜色插值方法能够完全消除接缝现象。     

基于复数小波域广义高斯分布模型的纹理图像检索

由于在频域用能量参数来表示图像的特征矢量缺乏准确性,而且实数离散小波变换具有平移变化性和弱的方向选择性,为此针对以上问题提出了一种基于复数小波域广义高斯分布模型的纹理图像检索方法。该方法首先利用双树复数小波变换系数的统计特性来建立广义高斯分布的统计模型;然后基于该模型提取图像的特征矢量;最后利用Kullback-Leibler distance(KLD)测度算法进行纹理图像检索。对Brodatz图像库的仿真表明,新方法较双树复数小波算法的查准率提高6.96%,较基于Gabor纹理特征检索法的查准率提高了18.8%。同时复数小波系数统计模型具有旋转不变性。新方法对今后的纹理图像检索具有重要的理论与实际意义。     

基于结构的纹理合成

提出一种纹理合成算法,首先将经验模型分解(EMD)算法引入到纹理合成领域,对样本图像的纹理结构进行提取;然后应用分片采样算法和Markov随机场(MRF)模型生成输出纹理的结构,对于结构之间的空白区域,采用距离变换方法分片提取其不规则的形状并进行填充。实验结果表明,该算法不仅简单、快速、合成质量高,而且具有广泛的适用性。     

Texture Analysis by Accurate Identification of Simple Markovian Models

A more accurate identification (estimation of parameters) of simple Markov-Gibbs random field models of images results in a better segmentation of specific multimodal images and realistic synthesis of some types of natural textures. Identification algorithms for segmentation are based in part on a novel modification of an unsupervised learning algorithm published first in Cybernetics and Systems Analysis (Kibernetika i Sistemnyi Analiz) almost four decades ago. A texture synthesis algorithm uses an identified model for selecting a characteristic geometric shape of and a placement grid for texture elements sampled from a training image utilized for the identification.__________Translated from Kibernetika i Sistemnyi Analiz, No. 1, pp. 37–49, January–February 2005.     

基于相关性和小波变换的纹理合成算法

提出一种快速的纹理合成方法,采用小波变换对原样图分解,只在分解后的低频部分进行最佳匹配块的搜索,使合成速度得到了很大提高;同时,在合成过程中利用邻域块的相关性,把搜索范围限制在当前块的邻域,避免了对样图的穷尽搜索。结果表明,该算法在很大程度上减少了合成时间。     

基于隐马尔可夫复合树模型的图像纹理分析

提出了一种纹理图像隐马尔可夫捆绑树(HMT-b)模型的建模方法。该方法通过对小波分解后的三个子带(HH，HL，LH)中相应节点捆绑后作为一棵复合树进行建模，改进了迭代算法，所建模型能更好地描述三个子带问实际存在的小波系数相关性；对于每个尺度中的小波系数分布，HMT-b采用高斯混合分布来拟合。同时研究了尺度系数基于小波域泊松分布的统计建模方法。     

一种基于函数联接网络的纹理分类方法

提出了一种基于函数联接的感知器神经网络的纹理分类方法,它采用高新－马尔柯夫随机场模型（ＧＭＲＦ）对纹理进行描述,模型参数即为纹理特征,参数估计采用最小平方误差方法获得,将估计参数作为表达纹理的特征向量,用感知器网络对特征进行分类,并且采用函数联接的方式解决线性不可分问题,对纹理图象进行的实验表明,采用这种方法能够提高学习速度,简化计算过程,并取得较好的纹理分类效果。     

基于多信息融合的纹理分割新方法

为了提高纹理分割的边缘准确性和区域一致性,该文综合考虑了纹理的统计和随机特征,提出了一种摹于GMRF和Gabor滤波得到的纹理特征进行信息融合后再进行纹理分割的新方法。实验结果表明该算法适应各种不同类型的纹理图像,与传统的只利用纹理的一种特征进行分割方法相比,该方法在边缘准确性以及区域一致性等方面均有明显的改善。     

基于无参数Markov随机场模型的彩色纹理综合方法

提出一种基于多尺度、无参数Markov随机场模型和KL变换的彩色纹理综合方法。该方法能捕捉原始纹理的高阶统计特性,综合出与原始纹理视觉一致的彩色纹理图像。实验结果证明该方法对彩色纹理图像的综合非常有效。