新的木材显微细胞图像分类识别方法

提出一种基于纹理的木材显微细胞图像分类算法。通过非下采样的Contourlet变换模极值密度提取图像纹理特征,并采用K近邻分类方法进行分类,实现对木材显微细胞图像的分类。实验结果表明：平均识别正确率在85%以上。提出的方法能有效地实现对木材显微细胞图像的分类。     

基于Contourlet变换和支持向量机的纹理识别方法

针对变换域中图像纹理识别时如何选择最佳特征向量的问题,利用Contourlet变换的多方向、多尺度选择性和各向异性,将图像从空间域变换到频率域,全面地提取了Contourlet变换分解后低频子带、中频子带和高频子带的特征,输入支持向量机(SVM)分类器进行分类识别。利用Brodatz纹理库进行仿真实验,实验结果表明低频均值方差和高频能量作为组合特征时识别准确率可达98.75%,且特征向量维数少,是在Contourlet变换下表示图像纹理的最优特征。     

基于多尺度几何分析与核匹配追踪的图像识别

提出一种图像特征提取与识别方法.该方法利用图像多尺度几何分析中的Contourlet变换表示图像的丰富轮廓特征信息,利用Brushlet变换表示图像的纹理和平滑特征信息,将此两部分特征信息融合组成特征矩阵.选择模糊C-均值聚类算法对特征矩阵进行聚类分析,获得其数据分布信息,再采用核匹配追踪分类器进行目标识别.该方法对图像中不同种类信息采用不同的表示工具,达到有效保持原始图像中有用信息的目的.对纹理图像和遥感图像进行分类与识别,结果表明与单独Contourlet和Brushlet特征提取方法相比,本文方法识别率高、运行时间短.     

基于Contourlet变换的加权小波特征抽取算法

特征提取是模式识剐中的一个关键问题.本文提出了一种基于Contourlet变换的特征抽取算法.Con-tourlet变换具有多方向性和各向异性,能以接近最优的方式描述图像的边缘和纹理.文中算法利用Contourlet变换各子带系数的统计特性,构造特征矢量.Contourlet变换获得的特征是图像的局部特征,图像不同子带特征的分类能力是不相同的,针对各子带数据的离散程度进行加权处理.为分类能力强的特征量赋予较大的权值.该算法充分利用样本的统计信息,简捷、高效,并具有一定的鲁棒性.将该算法应用于Brodatz图像库纹理图像的检索,验证了算法的有效性.     

基于小波包变换的纹理分类的水冷壁表面模式识别

提出了一种基于小波包变换的纹理分类的锅炉水冷壁表面模式识别算法,该算法选用纹理特征作为冷壁表面模式分类依据,使用小波包计算纹理的能量分布,并以能量分布作为分类特征,用BP神经网络进行了分类识别。     

基于Contourlet变换的纹理特征提取及纹理分类

通过对传统小波多方向性缺失和Contourlet变换系数稀疏性的分析,提出运用方向性小波Contourlet分析纹理特征,以自组特征映射神经网络(SOM)处理Contourlet变换系数的重组序列.对SOM网络输出层codebook矩阵进行奇异值分解得到纹理图像特征向量的方法进行纹理分类,在充分利用图像各尺度方向信息的基础上,有效提取了图像纹理特征.实验结果表明,该方法分类效果显著,Contourlet变换比传统小波分解更适合于图像纹理特性的分析.     

基于Contourlet变换和均值漂移的SAR图像分割

基于斑噪特性和纹理特征，提出了一种完全无监督的SAR图像分割算法。针对SAR图像的Contourlet变换，提出了子带选取的能量标准，对选定的子带计算能量特征和共生特征；依据特征向量的相似度剔除相近特征向量，用均值漂移算法获取纹理区域数和相应的中心特征，用像素的特征向量与相应中心特征向量的距离确定它们的分类。该文提出的方法不需要先验知识和训练样本。实验表明，基于Contourlet变换的均值漂移分割算法对混合Brodatz图像和SAR图像的分割取得了满意结果。     

基于Radon变换的纹理图像多尺度不变量分析算法

为了更好地进行图像纹理分析,提出了一种基于Radon变换的不变量纹理识别算法。该算法首先利用Radon变换将图像投影到1维空间,然后通过对投影数据进行一种平移和比例不变的自适应小波变换来构造出具有比例和平移不变性的图像的特征矩阵。这种通过对特征矩阵进行多尺度分析得到的多尺度能量特征不但具有平移、比例和旋转不变性,而且反映出了纹理图像在不同尺度上的能量分布特征。在特征提取完成以后,即可利用支撑向量机进行分类。同其他方法的比较说明,该算法可较好地描述纹理特征,并可完成纹理识别。     

新的纹理图像特征提取方法

提出了一种新的基于非下采样Contourlet变换的纹理特征提取方法.首先对纹理图像进行非下采样Contourlet变换,然后提取不同尺度、不同方向上变换系数矩阵的均值和方差作为特征向量,大大降低了特征维数,并利用BP神经网络进行训练和仿真,实现了纹理图像的自动分类.实验结果表明,与小波包变换和改进的LBP纹理算子等方法相比,该方法能取得更好的分类效果.     

基于纹理特征的测井图像分类算法的研究

成像测井由于其能够以图像的形式直观表示地层的岩性与结构特征,已成为测井领域的研究热点之一.如何利用图像处理、模式识别等相关理论方法对成像测井图像进行较为精确的定量评价和解释是研究的核心.首先从成像测井的研究背景及现状出发,详细比较和分析了纹理分析的各种算法.通过对灰度共生矩阵法、LBP算法、Gabor变换、小波变换、Contourlet变换等算法进行比较,给出成像测井图像分类过程中特征提取的参考建议.在此基础上,结合测井图像的模式特点,提出了一个基于纹理特征的成像测井图像分类系统模型.最后总结了该领域所面临的问题及未来的研究发展趋势.     

综合颜色和Contourlet直方图的图像检索方法

为提高图像检索性能,使用Harris彩色点提取器提取颜色特征点,设计一种基于颜色特征点的环形颜色直方图,在对图像进行Contourlet变换的基础上,提出Contourlet直方图的概念,改进其旋转不变性,并提取图像的纹理信息。仿真实验结果表明,该方法能够快速准确地检索彩色图像。     

基于Gabor变换的纹理分类与识别

自然纹理图像复杂多样,目前国际上没有明确的分类标准,利用中文自然语言中的纹理概念词对常见的自然纹理进行基于概念的分类,并建立了自然纹理图像库。提出了Gabor频谱滤波提取纹理特征的方法,大大提高了计算速度。以支持向量机为分类器,并与传统的基于BP神经网络的识别方法进行对比,实验验证了该分类方法的有效性。     

基于改进Contourlet变换的纹理图像混合检索方法

Contourlet变换由于可以提供丰富而灵活的方向信息而被广泛地应用于纹理分析领域。一种改进的在频域具有良好局域性的Contourlet变换被应用于纹理图像的检索中。方向子带系数被建模为广义高斯分布,其分布参数用改进的最大似然方法进行估计并被用做纹理图像检索的特征。利用香农熵测度将纹理图像区分为结构性和随机性纹理图像,相应的一种新的基于能量特征和广义高斯分布参数的混合检索方案被提出。根据具有640个纹理图像的VisTex数据库,检索实验结果表明,和现有基于离散小波变换的方法相比较,平均检索率由76.57%提高到83.55%。     

基于Contourlet变换的多波段SAR图像融合

针对不同波段SAR图像的融合，该文提出了一种在Contourlet变换域融合的方法，利用Contourlet变换的充分表示图像边缘信息的能力，将图像分解为低通系数和不同方向的高频系数，对方向高频系数定义一个边缘信息量测指标，选择量测指标大的系数作为融合系数，解决了小波变换融合中图像边缘信息容易丢失的问题。通过对两波段SAR图像进行融合实验并与小波变换融合结果比较，在视觉特性与统计因子客观评价上均取得了更好的效果。     

基于非下采样Contourlet变换的医学CT图像去噪

为克服Contourlet变换的非平移不变性及频谱混叠等缺陷,提出了一种基于非下采样Contourlet变换的医学CT图像去噪方法。对含噪的CT图像进行非下采样Contourlet变换,得到不同尺度及各个方向上的变换系数,利用Context模型将每个尺度每个方向子带分级,不同分级采用相应的阈值去噪。实验表明,该方法适宜于处理含有更多高斯噪声的医学CT图像,与其他方法相比提高了PSNR值,更好地保留了图像细节,改善了医学CT图像的质量。     

Contourlet HMT model with directional feature

According to Shanno’s information theory,the directional feature of texture is defined as the value of directional variable when an image signal attains a singularity of random distribution.In terms of this definition,we calculate the texture’s directional features using Tamura’s method and study the directional probability distribution of Contourlet coefficients.Then we find that the directional features tend to be conveyed across parent and child subbands.Based on this conclusion,we establish a novel probability distribution model of hidden direction variables under the condition of hidden state variable’s distribution,named Contourlet HMT model with directional feature.The structure and training method of the model are presented as well.Moreover,an unsupervised context-based image segmentation algorithm is proposed on the basis of the proposed model.Its effectiveness is verified via extensive experiments carried out on several synthesized images and remote sensing images.     

改进Contourlet变换的3D掌纹图像识别

提出一种基于改进Contourlet变换的3D掌纹图像识别方法;该方法通过形状指数将3D掌纹图像映射成灰度图像,以克服常用的均值或高斯曲率映射难于精确描述3D掌纹特征的缺点;基于此,将7/5滤波器引入Contourlet变换,并在变换域提取形状指数映射图各方向子带的均值与方差作为掌纹图像的特征信息,从而有效利用了Contourlet变换优越的方向特征表达能力,又可有效消除传统Contourlet变换各子图像存在的相关性;最后采用欧氏距离最近邻分类法,实现了测试图像的分类识别。实验结果表明,针对香港理工大学所提供的三维掌纹数据库,该方法总体识别率较PCA方法提高了2.9%,具有明显的优势。     

一种利用非下采样Contourlet变换的纹理检索方法

为提高基于内容的图像检索系统中纹理特征提取的有效性,提出了又一种纹理图像检索方法。该方法利用非下采样Contourlet变换对图像进行分解,提取不同子带和不同方向变换系数矩阵的均值和方差为特征向量,作为数据库中纹理图像的索引,并利用两种不同的相似度函数计算图像之间的相似度,建立了一套基于示例查询图像的纹理图像检索系统。实验结果表明,与小波包等特征提取方法相比,该方法不仅能降低特征向量维数,而且能取得更高的检索准确率和检索速度。