基于二元树复数小波变换的文种自动识别

提出了一种基于二元树复数小波变换的文字种类自动识别技术,相对于传统的离散小波变换,这种小波变换具有近似的平移不变性和良好的方向选择性等特点.在文本图像的特征提取中,可以得到更加稳定和更多方向的纹理特征.在实验中选取了6种语言(中文,英文,日文,韩文,俄文和阿拉伯文)不同格式和字体的文本图像,作实验结果表明:本文算法的识别效果要优于传统的离散小波变换算法.     

形态小波域多尺度马尔可夫模型在纹理图像分割中的应用

针对图像分割中小波域多尺度马尔可夫模型(MRMRF-W)无法有效描述图像非线性特征,提出了一种在形态小波域下的多尺度MRF模型（MRMRF-MW）,实现纹理图像分割。该模型结合了形态小波和MRF各自的优势,能够对图像进行非线性多尺度分解,并在各尺度上进行空间关系建模。通过对两个纹理图像库（Brodatz纹理库、Prague纹理库）中图像的分割实验,验证了该模型的有效性。     

基于多尺度小波分析的汉字字体识别

字符识别系统的研究已取得很大成功,要恢复版面信息的原貌,就要对字体进行识别.文中提出了一种基于小波能量分布比例特征的多尺度小波分析的汉字字体识别算法,通过对字符图像进行小波分析以及网格化,提取小波能量分布比例特征作为小波特征,应用BP神经网络在文本无关的条件下对汉字字体进行分类.实验表明,基于多尺度小波分析的汉字字体识别算法能有效的区分黑体、仿宋体、宋体以及楷体4种不同的字体.     

基于特征匹配要求的纹理边缘检测

为了更精确地进行机器人双目视觉中的特征匹配,需要获得数字图像中丰富而精确的纹理与边缘信息。为此提出了一种新的基于稳态小波变换（SWT）的多尺度纹理边缘检测算法。利用稳态小波变换（SWT）的平移不变性来精确捕获奇异点,在多尺度上通过小波参数的梯度变化检测纹理边缘,而后进行多尺度融合并运用形态学方法得到单像素宽度、精确的纹理边缘二值图。通过对比实验结果表明,相对于经典的边缘检测算法,该算法在抗噪声能力,物体表面纹理的丰富度以及边缘定位的准确性上有很大的提升,并满足特征匹配的需求。     

基于非乘积型小波的纹理分析

提出了一种基于非乘积型小波的纹理分析方法：首先利用非乘积型小波分解原始图象，然后对高频部分的子图分别进行像素能量计算、纹理滤波以及直方图分割，从而得到粗分类的结果图；再把所有子图合并，并进行适当的后处理；最后利用小波的多尺度特性，决定分析是否终止，从而得到纹理分析结果。本方法是一种无监督分类，精确度高且计算复杂度低。     

基于离散平稳小波和非下采样方向滤波器组的纹理分类

结合小波变换的多尺度性和Contourlet变换的多方向性,提出了一种新的基于离散平稳小波变换和无下采样方向滤波器组(stationary wavelet transform and nonsubsampled directional filter banks,SWT-NSDFB)的纹理分类方法,采用具有平移不变性的离散平稳小波先进行多尺度分解;然后对每层分解得到的高频子带采用非下采样方向滤波器组进行多方向分解,再计算低频子带和各层方向子带的能量作为纹理特征;最后用支持向量机实现纹理分类。实验结果表明,该     

基于对偶树复小波和MRF模型的纹理图像分割

基于对偶树复小波（DT-CWT）和马尔可夫随机场（MRF）模型提出了一种监督纹理图像分割算法，算法包括两个步骤，首先对复小波变换系数进行较为精确的建模，提取其一阶统计信息作为纹理特征，综合多个尺度的信息，基于极大似然标准进行初始分割；其次，将初始分割结果用MRF模型表示，基于贝叶斯最大后验（MAP）融合初始分割结果，得到最终的分割结果。算法应用于合成纹理图像和实际图像得到了良好的结果，对比实验表明算法所采用的纹理特征的提取方法、小波变换方式、用MRF模型来建模标号等是算法简洁有效的基础。     

计算机时代2009年总目录

技术广角 基于纹理块连贯性的纹理合成技术1-1 基于多尺度小波分解的时间序列预测方法研究1-4 量子计算与计算机科学1-7 多机系统中cache一致性问题的研究与评价2-1 基于内容和协作的推荐系统的研究2-5 基于Java Executor的并发技术研究2-8     

基于纹理分析的多源信息融合方法研究

基于二元树复数小波变换的优良性能,结合遗传算法及证据理论,对图像纹理特征进行分析处理.首先利用DT CWT的移动不变性、良好的方向选择性、完备的重构性、有限的与尺度无关的冗余度以及很高的计算效率等特点提取丰富的图像纹理特征；然后应用遗传算法的寻优能力对纹理特征进行约简；最后采用基于证据理论的数据融合方法实现多源信息融合目标识别.物体非损伤性评价实验表明该算法具有很好的识别效果.     

一种有效的基于小波信息分布熵的图像检索技术

在分析基于小波域图像索引技术的缺点后,提出一种基于小波信息分布熵的图像检索新方法.该方法首先将图像分割成若干个子图像,然后对这些子图像进行三层小波变换,并对小波变换后的各个子带图像进行处理以获取纹理图像,从而大大减少了计算的复杂性.最后以小波纹理直方图为概率密度函数,计算各个子图像的信息分布熵,不但使图像特征有紧密表示,而且也使图像检索的速度大大加快.实验结果表明,该方法对图像检索是有效的.     

基于虹膜识别的身份鉴别

描述了基于虹膜识别的身份鉴别系统.该系统包括虹膜图像摄取、图像预处理、特征提 取和匹配四个部分.虹膜图像摄取采用了自主开发研制的装置,特征提取采用Gabor滤波和 Daubechies-4小波变换等纹理分析方法,匹配采用方差倒数加权欧氏距离方法.与现有的其它 方法相比,该方法利用了二维虹膜图像丰富的纹理信息并具有旋转、平移和尺度不变性.     

A novel scale and rotation invariant texture image retrieval method using fuzzy logic classifier

A novel approach for content-based texture image retrieval system using fuzzy logic classifier is proposed in this paper. The novelty of this method is demonstrated by handling the complexity issues in texture image retrieval arising from rotation and scale variance. These issues are divided into four groups as non rotated non scaled, rotation invariant, scale invariant and scale and rotation invariant texture retrieval for retrieval performance analysis. Features of texture images are obtained using discrete wavelet transform based statistical features and gray level co-occurrence matrix based co-occurrence features. The fuzzy logic classifier is developed with Gaussian membership function with mean and standard deviations of the features. The retrieval performance improvement is carried out by considering various combinations of the features. The average retrieval rates for the four issues have been achieved at 99.40% with 40 features, 91% with 80 features, 65.2% with 40 features, and 63.4% with 65 features respectively. This method outperforms the existing methods in terms of average retrieval rate. The scale and rotation invariant texture retrieval is an incomparable work that has been demonstrated in the present paper.     

基于高斯衍生滤波器组的文种识别算法

提出了一种基于高斯衍生滤波器组的文种识别算法;分析了文本图像的纹理特性,相对于传统的小波变换,本文算法可以在更多方向上提取文字的边缘和脊特征.采用支持向量机(Support vector machine,SVM)对所提特征进行训练和分类,实现文字种类识别;在实验中选用中、英、俄、日、韩、阿拉伯等10种不同语言文字文本图像,测试了滤波器的不同参数对算法性能的影响,并与其他3种基于纹理的文种识别算法进行了比较,实验结果表明本文算法运算速度较快,且得到较好的识别率.     

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。     

Object‐oriented and textural image classification of the Siberia GBFM radar mosaic combined with MERIS imagery for continental scale land cover mapping

Boreal forests and wetlands play an important role in the climate system, in particular through biosphere–atmosphere flux exchanges. They are an important pool of carbon and their role as sink or source of greenhouse gases is not fully understood. Accurate mapping of the vegetation of Siberia can therefore contribute to a better understanding of these processes at regional scale and of their effects on the climate through regional biosphere modeling. The potential of the combination of radar data with medium‐resolution optical data to obtain regional‐scale land cover mapping is investigated using multi‐spectral imagery from the MERIS sensor at 300 m resolution and a high resolution radar mosaic (pixel spacing of 100 m) covering Western and Eastern Siberia compiled in the framework of the Global Boreal Forest Mapping project. For this purpose, capabilities of oriented‐object image analysis associated to wavelet multi‐resolution techniques are investigated. Results show that wavelet multi‐resolution textures bring relevant additional information for land cover classification. Suggestions are made for the implementation of an object‐based wavelet multi‐resolution texture estimator.     

Log-polar wavelet energy signatures for rotation and scale invariant texture classification

Classification of texture images is important in image analysis and classification. This paper proposes an effective scheme for rotation and scale invariant texture classification using log-polar wavelet signatures. The rotation and scale invariant feature extraction for a given image involves applying a log-polar transform to eliminate the rotation and scale effects, but at same time produce a row shifted log-polar image, which is then passed to an adaptive row shift invariant wavelet packet transform to eliminate the row shift effects. So, the output wavelet coefficients are rotation and scale invariant. The adaptive row shift invariant wavelet packet transform is quite efficient with only O(n /spl middot/ log n) complexity. A feature vector of the most dominant log-polar wavelet energy signatures extracted from each subband of wavelet coefficients is constructed for rotation and scale invariant texture classification. In the experiments, we employed a Mahalanobis classifier to classify a set of 25 distinct natural textures selected from the Brodatz album. The experimental results, based on different testing data sets for images with different orientations and scales, show that the proposed classification scheme using log-polar wavelet signatures outperforms two other texture classification methods, its overall accuracy rate for joint rotation and scale invariance being 90.8 percent, demonstrating that the extracted energy signatures are effective rotation and scale invariant features. Concerning its robustness to noise, the classification scheme also performs better than the other methods.     

一种基于冗余小波变换的快速运动估计算法

由于冗余小波变换克服了离散小波变换的移变性,在冗余小波域进行运动估计可以达到很好的效果,其缺点是算法的时间复杂度过高。在分析视频序列的运动特性和已有的运动估计算法的基础上,提出一种快速的基于冗余小波变换的运动估计算法。在冗余小波域提取潜在运动区域并对图像块的运动剧烈程度进行划分,在此基础上对不同类型的图像块采取不同的搜索策略,从而减少了运动估计中不必要的搜索。实验结果表明,该方法较经典的基于冗余小波变换的运动估计算法在时间复杂度方面具有优势。     

基于小波包多尺度信息熵的鱼类识别方法

提出一种基于小波包多尺度信息熵的鱼类识别方法。该方法首先对鱼体的回波包络信号进行小波包分解,得到分布在不同频段内的分解信号,并提取各个频带内信号的信息熵作为识别特征量。对三种常见的不同形状的鱼类进行了水池试验,提取多尺度信息熵,并使用BP神经网络分类器成功进行了分类。结果表明:利用小波包多尺度信息熵作为特征量,可对不同形状的鱼类进行识别,且具有较高的识别率。     

基于SVM和纹理的笔迹鉴别方法

针对与书写内容无关的笔迹，提出利用快速Gabor小波提取笔迹图像的整体纹理特征、用支持向量机(SVM)进行训练和识别的方法．SVM是解决两类问题的算法，而笔迹鉴别是一个多类问题，通过“一对多”的方法将多类问题转化为两类问题．在87人笔迹库上的实验结果表明，文中基于SVM和纹理的笔迹鉴别方法是有效的。