基于Radon变换和SWT的旋转不变纹理分类

提出了一种应用Radon变换和离散平稳小波变换(SWT)的旋转不变纹理分类算法。该方法首先对纹理图像进行Radon变换将旋转转化为平移,再用具有平移不变性的离散平稳小波对变换后的图像滤波并计算各子带的能量值组成旋转不变特征向量,最后利用支持向量机实现纹理图像的分类。将本方法与其它旋转不变纹理分类法进行比较,实验结果表明,提出的方法能有效地提高正确分类率。     

基于Radon变换和EMD的旋转不变纹理分类"

提出一种结合Radon变换和经验模态分解(EMD)的旋转不变纹理分类方法。对纹理图像进行Radon变换,使用EMD分解成一系列固有模态函数(IMF),用修改过的能量公式计算各IMF的能量并组成特征向量,利用k-近邻对纹理图像进行分类。通过对Brodatz纹理库中的图像进行分类实验,表明所提方法能够有效地进行旋转不变的纹理分类,较之单一的Radon变换分类有了显著的提高。     

基于多尺度融合的甲状腺结节图像特征提取

甲状腺结节是一种常见的多发病,超声技术是该疾病首选的检查方法。在超声图像中提取区分甲状腺结节良恶性的纹理特征并进行判别具有广阔的临床应用前景。双树复小波变换（Dual-tree complex wavelet transform,DT-CWT）和Gabor小波是纹理特征提取的常用方法。本文提出一种基于多尺度的DT-CWT和Gabor特征融合的甲状腺结节识别方法。该方法首先通过高斯金字塔将甲状腺超声图像分解到多尺度空间,然后提取图像的DT-CWT和Gabor的多尺度特征,最后实现特征融合。通过应用支持向量机（Support vector machine,SVM）分类器实现分类,验证特征提取方法的有效性。实验结果表明,本文提出的方法能达到较高的识别率。     

V-系统与Radon变换相结合的纹理分类算法

为了对尺度和旋转变换下的纹理图像进行正确的分类,将Radon变换和V-系统相结合,提出一种纹理分类的算法.首先利用Radon变换将图像的旋转化为平移,再对Radon变换后的图像进行V-变换;利用V-系统的多小波特性,经过一系列的降采样分解过程得到图像在V-系统下的各层次能量表达,并将这些能量作为纹理图像的特征描述.由于V-系统的多小波特性以及Radon变换对旋转的消除,使得文中的特征描述在图像的放缩和旋转变换下有较强的鲁棒性.在通用纹理数据库中的纹理分类实验结果表明了该算法的优越性能.     

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SVD和Radon变换的抗旋转攻击盲水印算法

为了提高传统基于奇异值变换（SVD）的数字水印抗几何攻击能力,提出一种在小波变换域将Radon变换和奇异值变换相结合的抗旋转攻击鲁棒性水印算法。将宿主图像进行小波变换,对变换后的低频子带进行奇异值分解,将经过仿射变换置乱后的二值水印图像嵌入到奇异值中。在水印嵌入操作上采用了奇偶量化嵌入算法从而实现了二值水印图像在水印检测时的盲提取;同时在水印检测之前,利用Radon变换检测算法对待检测图像进行几何校正,然后提取水印信息。实验结果表明,该算法对于噪声感染、滤波、JPEG压缩等常规信号处理的鲁棒性优于传统的基于SVD的数字水印算法,同时对于旋转几何变换具有很好的鲁棒性。     

轮廓波域Entropy—Fourier旋转不变算子在纹理分类中的应用

针对图像的旋转问题,提出一种基于contourlet域的旋转不变纹理描述算子。对contourlet变换后的系数进行处理,提取子带香农熵作为特征向量,然后对各个尺度的特征向量进行离散傅立叶变换,得到旋转不变的纹理特征。利用傅立叶谱的对称性,将特征向量进一步降维。最后采用支持向量机和欧式距离对纹理图像进行分类。在包含1456幅图像的自建图像库中进行分类实验,结果表明该方法在低计算复杂度的优势下。能获得较好的分类性能。     

基于剪切波变换的纹理图像分类

二维可分离小波在纹理分析领域得到了成功的应用,但它只提取图像水平、垂直和对角方向的频率信息,其变换滤波器是各向同性的,不能很好地表达纹理的细节。利用剪切波变换优良的多尺度性、局域性和方向性,提出一种基于剪切波变换（Shearlet transform）的纹理分类算法。该方法先对纹理图像做剪切波变换,得到各尺度、方向子带的剪切系数,计算尺度间子带能量比,以尺度间能量比为权对各子带能量加权,以加权后的子带能量作为特征矢量,用K邻近分类器进行分类。实验结果表明该方法比基于小波的纹理分类方法更加有效。     

基于旋转不变纹理特征的多尺度多方向图像渐进检索

纹理检索是基于内容图像检索的重要内容,旋转不变纹理图像检索是实现纹理检索的关键途径之一.针对旋转不变纹理图像检索中需要解决的3个关键问题:如何消除旋转影响、如何选择多尺度分析方法以及如何构造和度量纹理特征矢量,本文分别分析了Radon变换和Log-polar变换在消除旋转位移时对频谱的影响,以及NSCT变换和小波变换在不同检索参数下的平均检索性能,在此基础上构造出多尺度多方向纹理变换谱和旋转不变特征矢量,提出一种多尺度多方向旋转不变纹理图像渐进检索方法.这种方法采用了可顾及人类视觉对纹理能量敏感性的相似性度量标准,分别采用旋转位移处理后的NSCT变换域低频子带和高通子带实现纹理图像的粗检索和精细检索.Brodatz标准纹理图像库的检索实验表明,本文提出的利用多尺度多方向纹理变换谱构造旋转不变特征矢量的方法既可获取纹理主方向,同时又能有效地表征纹理细节信息,两级渐进式检索策略与多尺度分析方法相结合,既能提高旋转不变纹理图像检索的查准率,又能保证较高的检索效率.     

在频谱直方图中应用DT-CWT的人脸检测技术

提出了一种利用双树-复小波变换（DT-CWT）构成频谱直方图并通过支持向量机（SVM）进行人脸检测的方法。在人脸图像的表示中,基于DT-CWT在不同尺度上具有的很好方向选择性,对原始图像滤波,并与其它滤波器卷积滤波后得到原始图像的不同频率特征一起构成频谱直方图,该直方图在图像的表示上具有很好的本质扩展性。通过支持向量机（SVM）对频谱直放图向量进行分类训练,得到了有效区分人脸与非人脸的分类函数。实验显示,DT-CWT具有与Gabor变换类似的性质,而且计算冗余度更小,计算速度更快。应用DT-CWT频谱直方图的人脸检测算法取得了令人满意的结果。     

基于Log-Polar和DT-CWT的旋转不变纹理分类算法

提出了一种基于对数-极坐标变换和双树复数小波变换的旋转不变纹理分类算法。该方法首先对纹理图像进行对数-极坐标变换将旋转转化为平移,再用具有平移不变性的双树复数小波对变换后的图像滤波并计算各子带的能量值组成旋转不变特征向量,最后利用支持向量机算法实现纹理图像的分类。将本方法与其它旋转不变纹理分类算法进行比较,实验结果表明,提出的算法能有效地提高正确分类率。     

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。     

Bayesian texture classification and retrieval based on multiscale feature vector

This paper proposes a supervised multiscale Bayesian texture classifier. The classifier exploits the dual-tree complex wavelet transform (DT-CWT) to obtain complex-valued multiscale representations of training texture samples for each texture class. The high-pass subbands of DT-CWT decomposition of a texture image are used to form a multiscale feature vector representing magnitude and phase features. For computational efficiency, the dimensionality of feature vectors is reduced using principal component analysis (PCA). The class conditional probability density function of low-dimensional feature vectors for each texture class is then estimated by using Parzen-window estimate with identical Gaussian kernels and is used to represent the texture class. A query texture image is classified as the corresponding texture class with the highest a posteriori probability according to a Bayesian inferencing. The superior performance and robustness of the proposed classifier is demonstrated for classifying texture images from image databases. The proposed multiscale texture feature vector extracted from both magnitude and phase of DT-CWT subbands of a query image is also shown to be effective for texture retrieval.     

基于Gabor小波变换和支持向量机的人脸识别

将Gabor小波变换和支持向量机分类方法结合起来进行人脸识别。通过由Gabor小波变换系数表示的若干个人脸模板和人脸图像之间的匹配来确定特征点的近似位置；在所有的特征点位置计算Gabor小波变换系数并将其串联成表示人脸图像的向量；采用一种层次分解的支持向量机二叉决策树进行分类识别。实验结果表明了该方法的可行性。     

Real-time detection of steam in video images

In this paper, we present a real-time image processing technique for the detection of steam in video images. The assumption made is that the presence of steam acts as a blurring process, which changes the local texture pattern of an image while reducing the amount of details. The problem of detecting steam is treated as a supervised pattern recognition problem. A statistical hidden Markov tree (HMT) model derived from the coefficients of the dual-tree complex wavelet transform (DT-CWT) in small 48×48 local regions of the image frames is used to characterize the steam texture pattern. The parameters of the HMT model are used as an input feature vector to a support vector machine (SVM) technique, specially tailored for this purpose. By detecting and determining the total area covered by steam in a video frame, a computerized image processing system can automatically decide if the frame can be used for further analysis. The proposed method was quantitatively evaluated by using a labelled image data set with video frames sampled from a real oil sand video stream. The classification results were 90% correct when compared to human labelled image frames. The technique is useful as a pre-processing step in automated image processing systems.     

基于复小波和支持向量机的纹理分类法*

针对图像纹理分类问题,提出了一种将二元树复小波变换与支持向量机相结合的分类方法,通过二元树复小波变换对纹理图像进行四层分解,提取各子频带小波系数模的均值和标准方差组成特征向量,利用支持向量机作为分类器实现纹理图像分类。对20类Brodatz纹理图像的分类实验表明,提出的方法具有较高的分类精度,在有限训练样本的情况下比传统的分类算法平均正确率有10%左右的提高,体现了该方法的有效性和良好的泛化能力。     

基于支持向量机的人脸分类

提出了一种基于支持向量机的人脸分类方法，首先对人脸图像作二维离散余弦变换，取离散余弦变换系数作为特征，然后用支持向量机进行分类。用Essex人脸图像数据库进行性别分类，取得了很好的分类效果。     

A dynamic texture based segmentation method for ultrasound images with Surfacelet,HMT and parallel computing

To segment regions of interest (ROIs) from ultrasound images, one novel dynamic texture based algorithm is presented with surfacelet transform, hidden Markov tree (HMT) model and parallel computing. During surfacelet transform, the image sequence is decomposed by pyramid model, and the 3D signals with high frequency are decomposed by directional filter banks. During HMT modeling, distribution of coefficients is described with Gaussian mixture model (GMM), and relationship of scales is described with scale continuity model. From HMT parameters estimated through expectation maximization, the joint probability density is calculated and taken as feature value of image sequence. Then ROIs and non-ROIs in collected sample videos are used to train the support vector machine (SVM) classifier, which is employed to identify the divided 3D blocks from input video. To improve the computational efficiency, parallel computing is implemented with multi-processor CPU. Our algorithm has been compared with the existing texture based approaches, including gray level co-occurrence matrix (GLCM), local binary pattern (LBP), Wavelet, for ultrasound images, and the experimental results prove its advantages of processing noisy ultrasound images and segmenting higher accurate ROIs.