一种新的局部纹理描述模式

提出一种新的图像局部纹理模式描述方法.首先通过比较8-邻域内像素灰度与邻域灰度均值的关系,对8-邻域进行二值化;然后将与邻域中心像素相对的水平、竖直及对角四个方向所得到的二进制序列的值和相应的权值模板对应相乘求和,就得到新的局部纹理模式;同时,文中对新纹理描述模式进行了进一步增强处理,兼顾了局部邻域的高频及低频特征.采用不同图像库进行实验,结果表明,新纹理模式的检索性能明显优于文中提到的其它方法,而且其特征维数还不到其它描述符维数的一半.     

纹理谱描述符及其在图像检索中的应用

为了提高纹理谱描述符的性能并降低其特征维数,在中心对称局部二值模式纹理谱描述符的基础上,提出一种融合局部区域中心像素以及灰度均值的改进纹理描述模式.首先根据图像局部区域内中心像素与其邻域像素间的灰度变化关系,定义了新的局部纹理模式;然后通过比较局部区域内灰度均值与图像全局灰度均值的大小,对局部纹理模式进行了增强处理.采用不同纹理图像库及不同的性能评价准则进行实验的结果表明,文中方法在基于内容图像检索中取得了较好的效果.     

基于增强纹理谱描述符的图像检索①

提出了一种从图像低频信息提取纹理特征的方法。首先根据图像局部区域灰度均值与全局灰度均值间的关系,获取反映图像低频信息的二值图像;然后基于该二值图像,采用类似灰度共生矩阵的方法描述其纹理特征。实验结果表明,采用文中方法结合传统纹理谱描述符可有效提高图像检索的效率。     

基于增强纹理谱描述符的图像检索①

提出了一种从图像低频信息提取纹理特征的方法。首先根据图像局部区域灰度均值与全局灰度均值间的关系,获取反映图像低频信息的二值图像;然后基于该二值图像,采用类似灰度共生矩阵的方法描述其纹理特征。实验结果表明,采用文中方法结合传统纹理谱描述符可有效提高图像检索的效率。     

用于动态序列合成的运动纹理模型

提出了一种新的用于动态序列合成的分层统计模型——运动纹理模型．该模型使用统计方法自动分析动态序列，可以合成与原始样本数据统计特性相同的新的动态序列．运动纹理模型是一个两层模型．其中包含的两层分别为基元层和基元分布层．模型中用线性动态系统来表示单个基元．而对基元的统计分布则由相关转移矩阵来描述．该文详细地讨论了如何通过最大似然准则来学习运动纹理模型的方法，并描述了如何用运动纹理模型自动合成动态序列的过程．该文通过使用运动纹理模型合成舞蹈动作和视频序列的一些实验验证了该模型的有效性．     

基于局部方向纹理谱描述符的图像检索

提出了一种改进的局部方向纹理谱描述符。根据图像局部邻域中心像素及与其相对像素间的灰度关系及灰度差异关系来定义局部区域纹理方向,在此基础上结合中心对称局部二值模式的定义给出了新的局部方向纹理谱的定义。新描述符在不增加特征维数的基础上,更好地融入了局部纹理信息。采用不同图像库及不同评价准则进行图像检索对比实验,结果表明,该方法取得了较好的检索效果。     

基于LBP值对空间统计特征的纹理描述符

针对基于内容图像检索应用背景下局部二值模式(LBP)描述符缺乏空间描述能力及所需特征矢量维数较长的不足, 提出一种基于LBP值对空间统计特征构建的改进纹理描述符(ILBP)。ILBP描述符首先利用LBP微模式编码方法将原始图像转换为LBP伪灰度图像, 然后再提取出多个关于LBP值对空间分布关系统计值构成描述图像特征的特征矢量。在基于内容的图像检索原型测试平台上完成大量实验。实验结果表明, 与LBP及其各类变种描述符相比, ILBP描述符在进一步增强LBP描述符描述能力的同时大幅度压缩特征矢量维数, 具有更好的查询正确率和查询效率。     

基于改进WLD的纹理特征提取方法

在纹理分类应用背景下,原始韦伯局部描述符( WLD)对纹理模式区分能力有限。针对该问题,提出一种基于正负梯度改进的WLD( WLD-PNG)。利用局部窗内像素点间灰度变化的正负梯度构建纹理特征描述符,通过分离计算正负梯度的差分激励算子,保留灰度等级变化的正负性信息,以增强纹理模式的可区分性,运用均匀局部二值模式( uLBP)提取灰度等级变化的空间分布结构信息,并提高纹理模式的识别能力,使用均匀量化和编码技术将差分激励算子与uLBP结合,从而描述图像的纹理特征。在Brodatz和KTH-TIPS2-a纹理库上进行对比实验,结果表明,与原始WLD,uLBP,WLD+uLBP及已有改进的WLD等方法相比,WLD-PNG在提高纹理分类性能的同时,具有较好的稳健性和较低的计算复杂度。     

基于DFT和共生矩阵的纹理特征描述方法

本文提出了一种基于离散傅立叶变换和共生矩阵的纹理特征提取方法.离散傅立叶变换将纹理图像从图像空间变换到频率空间,将图像的纹理特征转化成频谱特征.然后再利用共生矩阵的思想,完成纹理特征的提取.由于直接计算共生矩阵的计算量较大,因此我们首先对图像进行灰度正规化处理,缩小灰度值的范围,然后再将正规化处理后的灰度图像进行分块,最后计算相应块的共生矩阵的5个特征参数,把相应的特征参数取平均值,得到一个5维的特征向量来描述图像的纹理特征.     

基于高斯局部二值模式的纹理特征分类方法

纹理描述在图像分析和模式分类领域具有极为重要的意义。为提高特征描述的鲁棒性,提出了一种基于高斯局部二值模式的纹理特征提取方法。首先,采用加强预处理使高斯滤波获得不同尺度的图像,从而构建多尺度的图像金字塔;其次,为提升旋转不变性和抗噪声能力,提出具有主方向特征的二值模式;最后,在不同尺度上提取3种有效的局部二值模式联合构造纹理描述,并通过直方图降维。试验结果表明,该特征具有较好的可区分性和有效性,可以有效应用到视觉图像的纹理分类中。     

一类新的纹理谱描述子

在纹理元的基础上提出了一类新的纹理谱描述子，新的纹理谱描述子在3个方面作了改进：将像素的灰度差量化为4个值；量化区间根据纹理对比度自动确定，并保证量化值具有灰度线性不变性；利用相关性弱的8邻域像素构建纹理谱描述子，从而降低了纹理谱维数。定义了基于新的纹理谱描述子的光照、旋转不变性纹理特征。利用该特征对Outex纹理进行光照、旋转不变性分类，分类准确率高于基于局部二值模式的光照、旋转不变性纹理特征。     

基于立体匹配的低纹理图像重构算法

针对立体匹配中低纹理区域容易产生误匹配及传统动态规划固有的条纹问题,提出一种改进的基于双目立体视觉的低纹理图像三维重构算法。该算法首先基于像素间相似度和像素自身特异性计算匹配代价并引入一种自适应多边形支撑区域聚集匹配度。然后采用一种全局意义的简单树形动态规划进行逐点匹配。最后基于左右一致性准则运用一种简单有效的视差校正方法消除误匹配得到最终视差图。实验证明将算法运用于实拍低纹理灰度图像的匹配,得到轮廓光滑清晰的三维点云,说明该方法的适用性。     

多特征融合的金属断口图像分类

为了进一步加强金属断口图像特征的鉴别能力,提高断口图像的识别率,提出基于全局与局部纹理特征的多特征融合算法.首先利用Trace变换提取图像全局纹理特征,局部二值模式提取图像局部纹理特征.然后采用动态加权鉴别能量分析对2种特征进行优选和自适应加权融合.最后采用支持向量机进行分类识别.在金属断口图像库上实验表明,文中方法识别率较高,在其它的纹理数据库上具有较好的泛化能力.     

基于小波包特征的纹理影像分割

利用小波包变换来检测纹理图象上的灰度变化，以得到多分辨率、多方向性的微观统计特征图象，在此基础上用Ｅｎｖｅｌｏｐ算法提取基于边缘信息的纹理特征，为了克服纹理特征之间的相关性，采用了子空间分类器对纹理特征图象进行分类，取得了较好的分割效果。     

一种新的基于局部傅立叶级数的纹理描述子

纹理分析在图象分析和模式识别中起着非常重要的作用,而纹理描述又是其中一个基础的研究课题。由于均匀纹理其局部的灰度分布与空间关系在整体上具有周期性,因此可以用这种局部信息来很好地刻划不同纹理的差异。为了获得良好的纹理分类效果,利用象素点八近邻灰度之间的空间相关性,提出了用八近邻的傅立叶级数作为纹理刻划的新方法。该方法视象素点的八近邻为周期列,并首先通过计算其傅立叶级数,进而来得到整幅图象的局部傅立叶级数图,然后将通过对该傅立叶级数图幅值进行量化而获得的直方图作为纹理描述子（该纹理描述子具有平移旋转不变性）;最后用13种Brodatz纹理来进行分类。实验结果表明,该描述子具有良好的分类能力。     

Accurate spatio-temporal reconstruction of missing data in dynamic scenes

In this paper, the accurate method for texture reconstruction with non-desirable moving objects into dynamic scenes is proposed. This task is concerned to editor off-line functions, and the main criteria are the accuracy and visibility of the reconstructed results. The method is based on a spatio-temporal analysis and includes two stages. The first stage uses a feature points tracking to locate the rigid objects accurately under the assumption of their affine motion model. The second stage involves the accurate reconstruction of video sequence based on texture maps of smoothness, structural properties, and isotropy. These parameters are estimated by three separate neural networks of a back propagation. The background reconstruction is realized by a tile method using a single texton, a line, or a field of textons. The proposed technique was tested into reconstructed regions with a frame area up to 8–20%. The experimental results demonstrate more accurate inpainting owing to the improved motion estimations and the modified texture parameters.     

一种融合结构张量与非局域全变分的图像去噪方法

针对图像去噪中纹理与结构保持,提出了一种融合结构张量与非局域全变分的图像去噪模型。该模型利用非局域思想对图像中的各个像素点进行建模,定义了融合图像非局域信息与结构张量的相似性权重,一方面度量patch间的灰度相似性,能够较好的保持图像的纹理特性;另一方面兼顾图像的几何结构特性,能够调节不同对比度patch之间权重,尤其是提高了低对比度区域的权重值,同时较少阶梯效应的产生。数值实验表明本文方法在去噪的同时很好的保留了图像纹理细节与几何结构信息。     

一种基于图像相位变化的动画算法

W.T.Freeman等人提出了基于图像相位变化的动画算法。该文利用这种动画算法,结合光流场,在一个动画或视频的连续两帧图像之间实现了永不停止的动画。在灰度图像上实现这种动画的基础上,针对这种无移动动画对图像质量的损害,进行了灰度拉伸等后期处理,提高了动画的图像质量。另外,把这种算法扩展到彩色图像,并采用lαβ颜色空间,得到了更好的效果。最后,把这种动画通过纹理映射,应用到三维场景中。     

Incremental Tensor Subspace Learning and Its Applications to Foreground Segmentation and Tracking

Appearance modeling is very important for background modeling and object tracking. Subspace learning-based algorithms have been used to model the appearances of objects or scenes. Current vector subspace-based algorithms cannot effectively represent spatial correlations between pixel values. Current tensor subspace-based algorithms construct an offline representation of image ensembles, and current online tensor subspace learning algorithms cannot be applied to background modeling and object tracking. In this paper, we propose an online tensor subspace learning algorithm which models appearance changes by incrementally learning a tensor subspace representation through adaptively updating the sample mean and an eigenbasis for each unfolding matrix of the tensor. The proposed incremental tensor subspace learning algorithm is applied to foreground segmentation and object tracking for grayscale and color image sequences. The new background models capture the intrinsic spatiotemporal characteristics of scenes. The new tracking algorithm captures the appearance characteristics of an object during tracking and uses a particle filter to estimate the optimal object state. Experimental evaluations against state-of-the-art algorithms demonstrate the promise and effectiveness of the proposed incremental tensor subspace learning algorithm, and its applications to foreground segmentation and object tracking.     

用于纹理特征提取的改进的成对旋转不变共生局部二值模式算法

针对用于纹理特征提取的成对旋转不变共生局部二值模式（PRICoLBP）算法计算特征维度大、旋转不变性较差、对光照变化敏感的问题,提出一种融合局部纹理信息的改进PRICoLBP算法。首先,分别最大化和最小化图像像素点的二值序列,得到两个邻域像素点的坐标,由中心像素点坐标和得到的邻域像素点坐标计算出共生点对的坐标;其次,利用完备二值模式（CLBP）算法提取图像的每个像素点的纹理信息。在相同分类器下,对Brodatz、Outex（TC10,TC12）、Outex（TC14）、CUReT和KTH_TIPS数据库的分类实验中,所提算法的识别率比PRICoLBP算法分别提高了0.17、0.24、2.65、2.39和2.04个百分点。实验结果表明,所提算法在处理纹理旋转变化、光照条件多样的图像时具有较好的识别效果。