傅里叶频谱径角特征的植物相似性

提出一种基于图像傅里叶频谱径角变换的纹理特征提取方法,对藤茎类植物的显微图像进行了相似性度量测试．与常见的两种纹理特征提取方法进行比较,能更准确的定义和描述该类植物图像的纹理特征和进行相似性度量．     

基于多级纹理频谱特征与PCA的人脸识别算法

针对主成分分析(PCA)算法在人脸识别中识别率低的问题,提出一种图像纹理频谱特征与PCA相结合的人脸识别算法。该算法利用纹理单元算子提取人脸图像纹理频谱特征,然后用PCA对所提取的特征降维,最后利用最近邻(KNN)分类器进行人脸识别。在ORL人脸库和Yale人脸库上对所提出的算法进行了测试,识别率均高于PCA、模块化二维PCA(M2DPCA)等方法,分别为96.5%和95%。实验结果表明了该算法的有效性和准确性。     

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。     

FFT和Hough变换在织物纹理方向检测上的应用

针对人工测量织物纹理方向的方法存在自动化程度低、精度不高的缺点,提出基于快速傅里叶变换和Hough变换的自动检测和识别织物经向、纬向、斜纹斜向的方法。对织物图像进行二值化处理,对二值化后的织物图像进行快速傅里叶变换得到功率谱图,对功率谱图的二值图像进行Hough变换,从而检测出织物纹理方向。通过对同一试样的不同放置方式进行测试,证明该方法对织物放置方式无特殊要求,仅需确保试样平摊在光滑台面上不受任何张力;将该方法与人工测试结果作对比,证明该方法具有高精度、高自动化的优点。     

结合PCA和FPD的傅里叶形状描述子

提出一种将主成分分析(PCA)与最远点距离(FPD)相结合的二维形状傅里叶描述子。利用PCA方法对二维形状进行归一化,对归一化后的数据进行重采样,提取采样点的FPD用于傅里叶变换,运用得到的描述子对二维形状进行分类。经该方法处理得到的描述子对仿射、旋转、噪声等的抗干扰能力得到提升,对形状的局部特性描述能力更强。在手工工具数据集和仿射变换数据集中进行测试,结果表明,该方法的识别率分别达到90.6%和93%,从而验证其有效性。     

基于频谱切割和二维Arnold变换的彩色图像加密算法

针对多通道彩色图像加密算法传输负担大的缺陷,提出了基于频谱切割和二维Arnold变换的单通道彩色图像加密算法。该算法对原彩色图像的RGB分量分别进行不同分数阶次的分数傅里叶变换(FrFT),将各分量所得频谱信息进行切割,组合成一幅新的频谱;再用二维Arnold变换对组合频谱进行置乱,使三个分量的频谱信息充分混淆和扩散。密文为一幅灰度图像,在保留原彩色图像主要信息的同时,减小了传输负担。仿真结果与性能分析验证了该算法的加密效果和安全性。     

统计纹理的自动表面检测*

提出了一种用于砂纸、铸件和许多工业材料中的随机纹理表面缺陷的自动检测的全局方法.该方法不依赖于纹理的局部特征,它应用傅里叶变换进行全局图像恢复.应用逆傅里叶变换去除任何统计纹理中的周期性、重复性结构.在恢复图像中,原图像中的同质区域灰度近似一致,而缺陷区域被明显地保留下来了.对不同实际统计纹理的实验结果表明了该方法的有效性.     

融合多特征与随机森林的纹理图像分类方法

针对单一纹理特征与单一分类器对失真纹理图像分类识别率差的问题,提出了一种融合多特征与随机森林的纹理图像分类方法。利用改进的方向梯度直方图(HOG)特征提取方法以及局部二值模式(LBP)图像的灰度共生矩阵进行特征提取;将提取的特征矩阵级联组成一个新的特征矩阵,利用主成分分析法进行降维融合处理;降维融合后的特征矩阵输入随机森林,通过融合投票得到最终的识别率。在KTH-TIPS失真纹理图像库上进行对比实验,结果表明:采用融合多特征与随机森林的分类方法提高了失真纹理图像的分类正确率,且具有更好的实时性。     

多种表示的图像分类方法

针对不同图像提取出显著的特征对于图像分类是非常有意义的,然而单一图像分类方法不能在所有图像上都取得好的鲁棒性,通过多视角来提取不同特征,并将其融合来有效地解决这个难题。首先,利用二维主成分分析(2DPCA)提取图像的特征,然后根据获取特征进行图像重构(虚拟图像)。其次,利用快速傅里叶变换(FFT)获取图像的频谱特征。接着,将原始图像、虚拟图像、频谱特征分别利用稀疏方法获取得分。最后,利用一种新颖融合机制将上述得分进行融合,并根据新获取得分进行图像分类。获取的多特征和原始图像进行了互补,使该算法更具有鲁棒性;该方法具有稀疏性,提高了图像分类的性能;此外,它能自动获取参数,不需要手动调参。实验结果表明,该方法在不同情景下具有高的图像分类准确率。     

基于双向二维主成分分析的掌纹识别

掌纹识别是一门新兴的生物特征识别技术.使用主成分分析对图像向量进行处理,向量维教一般都很高.二维主成分分析是直接采用二维图像矩阵来构建方差矩阵,与一维主成分分析相比能更精确地计算原始数据的协方差矩阵,双向二维主成分分析是二维主成分分析的改进算法,将其应用于掌纹识别,通过在水平和垂直2个方向上各执行1次二维主成分分析运算,消除了掌纹图像行和列的相关性,运用新准则选取了更适合于分类的主分量,大大压缩了特征的维数.在香港Poly-technic Universitv的Palmprint Database测试结果表明,该方法具有更高的识别率和更低的计算复杂度.     

基于方向傅立叶谱的水面尾迹纹理提取

针对可见光航空遥感监测中,耀斑和云阴影等强噪音的干扰使水中目标很难直接发现,该文提出一种基于方向傅立叶能量谱和支持向量机的水面尾迹纹理自动提取算法,通过提取运动产生的尾迹实现对它们的准确识别。该算法将图像划分成大小相等的子图像,求取子图像的傅立叶能量谱,通过对传统的主成分分析进行改进求得子图像的纹理方向,根据纹理方向将能量谱划分为20个区域,将每个区域的能量谱和作为纹理特征。该纹理特征具有平移和旋转不变性等优点,并使用支持向量机作为分类器。实验结果表明该方法能够准确地提取运动目标产生的尾迹纹理。     

基于图像能量的布匹瑕疵检测方法

为了满足布匹瑕疵检测的准确性和实时性要求,通过对几种纹理分析方法的讨论,提出了一种基于能量的瑕疵检测方法;该方法利用图像极坐标系下的傅立叶频谱,得到图像纹理频谱能量的分布情况;由于纹理的空间周期性,其图像的能量在对应的频率处会有峰值出现;如果将这些频率处集中的能量置零,通过傅立叶逆变换得到的图像纹理会被模糊甚至去除,瑕疵与纹理的对比度得到增强;这时再进行边缘检测和二值化处理,即可将瑕疵从背景中提取出来,从而完成瑕疵的检测;实验证明,该方法检测速度快,准确率高,能够满足检测要求。     

基于图像纹理自适应的边缘检测算法

通过对图像进行Fourier分析,获取能够表达图像纹理的能量谱,进而定义能量谱的环特征和楔特征.环特征可以描述纹理的粗细,楔特征可以描述纹理的方向,以这两个特征值作为边缘检测模板选择的依据,使边缘检测具有纹理自适应能力.实验表明,该算法边缘检测精确,抗干扰能力强.     

一种快速旋转不变图像检索新方法*

提出了一种新型快速旋转不变图像检索新方法.该方法首先对图像进行傅里叶变换和功率谱分解,提取功率谱的扇形区域能量和环形区域能量参数,并将其均值和标准差作为图像纹理特征.然后,利用谱能量分布特征把纹理的主方向旋转到0°,提取旋转后图像的共生矩阵参数和小波分解各子带图像统计参数作为基本特征.利用所提出的特征提取方法在两组分别包含25类单色自然纹理的图像库上进行检索试验.结果表明,该方法获得了良好的检索效果.     

Structural two-dimensional principal component analysis for image recognition

In this paper, a new technique called structural two-dimensional principal component analysis (S2DPCA) is proposed for image recognition. S2DPCA is a subspace learning method that identifies the structural information for discrimination. Different from conventional two-dimensional principal component analysis (2DPCA) that only reflects within-row information of images, the goal of S2DPCA is to discover structural discriminative information contained in both within-row and between-row of the images. By contrast with 2DPCA, S2DPCA is directly based on the augmented images encoding corresponding row membership, and the projection directions of S2DPCA are obtained by solving an eigenvalue problem of the augmented image covariance matrix. Computationally, S2DPCA is straightforward and comparative with 2DPCA. Like 2DPCA, the singularity problem is completely avoided in S2DPCA. Experiments on face recognition and handwritten digit recognition are presented to show the effectiveness of the proposed approach.     

非负二维主成分分析及在人脸识别中的应用

二维主成分分析是一种基于整体脸的方法,保留人脸部件之间的拓扑关系.而非负矩阵分析是基于局部特征的识别,是通过提取局部信息来实现分类.文中将两种思想的优点融合在一起,提出非负二维主成分分析.该方法改善传统非负矩阵分解只是从矩阵分解的角度考虑,没有加强分类的问题.此外,该方法在矩阵分解之前不需要将图像矩阵转换为图像向量,能快速降低鉴别特征的维数.在ORL和FERET人脸库上的实验结果表明,该方法在识别性能上优于其它方法,且更具有鲁棒性.     

基于傅里叶特征谱和相关系数的织物疵点检测

为提高织物疵点自动检测的准确度,提出一种基于傅里叶特征谱和相关系数的织物疵点检测算法。以平纹、斜纹织物为研究对象,对织物图像进行傅里叶变换,得到织物图像的频谱图;定位频谱中的特征峰点,提取表征图像灰度、纹理的五个特征值;以正常织物为模板,计算待检图像特征值与模板图像特征值之间的相关系数,确定用于识别织物疵点的阈值,来实现织物疵点检测。实验结果表明:当阈值设定为0.80时,该算法能够实现稀密路、断经、吊经、纬缩、破洞等常见疵点的准确检测。     

基于窗口傅立叶变换功率谱分析的盐田地区高分辨率遥感影像分割分类方法探讨

图像分割是面向对象图像分析的基础。目前常规的图像分割算法普遍基于光谱同质性假设,但是这种假设对于提取干旱地区盐田这种具有析出结晶盐与卤水两种高反差地物共存的空间对象而言显得不足为用。针对面向对象图像分析中只采用光谱和形状异质进行图像分割的不足,以吉兰泰盐田及周边地区2008年11月SPOT 5影像为例,首先采用窗口傅立叶变换功率谱方法提取影像纹理特征,然后进行基于纹理、光谱的多尺度分割,进而对分割后图像进行多层次分类来提取盐田信息。实验结果表明,该方法对盐田地区的信息提取有较好的效果。