结合多特征和SVM的SAR图像分割

为实现灰度共生矩阵(GLCM)多尺度、多方向的纹理特征提取, 提出了一种结合非下采样轮廓变换(NSCT)和GLCM的纹理特征提取方法。先用NSCT对合成孔径雷达(SAR)图像进行多尺度、多方向分解; 再对得到的子带图像使用GLCM提取灰度共生量; 然后对提取的灰度共生量进行相关性分析, 去除冗余特征量, 并将其与灰度特征构成多特征矢量; 最后, 充分利用支持向量机(SVM)在小样本数据库和泛化能力方面的优势, 由SVM完成多特征矢量的划分, 实现SAR图像分割。实验结果表明, 基于NSCT域的GLCM纹理提取方法和多特征融合用于SAR图像分割, 可以提高分割准确率, 获得较好的边缘保持效果。     

基于GLCM和Gabor纹理特征的手势识别算法

针对手势灰度图像的纹理特征富含手势类别信息的特点,提出一种基于融合GLCM(灰度共生矩阵)和Gabor小波变换提取手势图像空、频域纹理特征的手势识别方法。构建手势灰度图像的多方向共生矩阵,并计算多方向共生矩阵的特征参数来提取手势纹理的GLCM特征;通过手势灰度图像的Gabor小波变换来提取手势纹理的Gabor特征;对所提取的两种特征进行归一化处理后串联构建手势纹理特征向量;使用基于稀疏自动编码器和softmax分类器的深度堆栈自编码网络对构建的手势纹理特征向量进行分类识别。实验表明:该方法具有较高的识别率和较好的鲁棒性,对15种手势的平均识别率达到97.4%,能够满足人机交互对手势识别的要求。     

基于小波变换和灰度共生矩阵的轮胎花纹检索

针对在用离散小波变换中提取纹理特征缺少纹理的空间分布特性问题,提出引入方向测度的灰度共生矩阵(gray level co-occurrence matrix,GLCM)与离散小波分解相互融合的算法,在低频子带上借助方向测度引入权值因子的方法提取灰度共生矩阵的6个统计量,用生成的综合特征来描述轮胎花纹的纹理构成,用欧式距离进行相似性度量;实验结果表明,融合算法能够有效提高检索效率,改进方法的检索效率优于用传统的灰度共生矩阵和小波变换提取纹理方法的检索效率。     

基于灰度共生矩阵的纹理提取方法研究

随着遥感影像空间分辨率的提高,纹理特征在遥感影像中的作用越来越重要。对灰度共生矩阵的GLCM(灰度共生矩阵)同质性、GLCM对比度、GLCM相异性、GLCM角二阶距、GLCM相关性、GLCM熵、GLDV(归一化灰度)反差、GLDV均值、GLDV角二阶矩等九种纹理描述子进行研究,发现采用GLCM角二阶矩、GLDV角二阶矩这两种纹理描述子对高分辨率遥感影像的纹理提取具有较好效果。     

灰度共生矩阵纹理特征提取的Matlab实现

图像的特征提取是图像的识别和分类、基于内容的图像检索、图像数据挖掘等研究内容的基础性工作,其中图像的纹理特征对描述图像内容具有重要意义,纹理特征提取已成为目前图像领域研究的热点。文中深入研究了基于灰度共生矩阵（GLCM）的纹理特征提取方法,给出了基于Matlab的简便实现代码,分析了共生矩阵各个构造参数对构造共生矩阵的影响。分析结果对优化灰度共生矩阵的构造、实现基于灰度共生矩阵（GLCM）的特定图像的纹理特征提取等都具有重要参考意义。     

融合LBP和GLCM的纹理特征提取方法

为提取有效的特征用于纹理描述和分类,提出一种融合局部二进制模式(LBP)和灰度共生矩阵(GLCM)的纹理特征提取方法。利用旋转不变的LBP算子处理纹理图像,得到LBP图像及其GLCM,采用对比度、相关性、能量和逆差矩描述图像的纹理特征。实验结果表明,与其他方法相比,该方法提取的纹理特征具有更强的纹理鉴别能力,平均分类正确率达到93%。     

基于多特征融合的织物瑕疵检测研究

织物瑕疵纹理特征复杂,单一特征不能很好地反映纹理信息。为此,本文提出一种基于局部二进制模式(Local Binary Pattern,LBP)算子和灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM)的多特征融合算法。首先,对LBP算子进行了改进,提出一种基于邻域像素中值的中心对称LBP算子;然后,将其提取出的纹理特征和灰度共生矩阵提取的纹理特征进行融合;最后,通过极速学习机和支持向量机做分类实验,验证融合特征描述织物瑕疵纹理特征的能力。实验表明,本文方法提高了织物物疵点检测率,并且具有很好的抗干扰能力。     

基于NSCT-GLCM的CT图像特征提取算法

针对海量CT图像分割中特征提取的难题,提出一种非下采样轮廓变换(NSCT)和灰度共生矩阵(GLCM)相融合的CT图像特征提取算法。首先采用NSCT对CT图像进行多尺度、多方向分解,并采用GLCM提取子带图像的共生特征量,然后对共生特征量进行主成分分析,消除冗余特征量,构成多特征矢量,最后利用支持向量机完成多特征矢量空间的划分,实现CT图像分割。实验结果表明,NSCT-GLCM能够较好地提取CT图像特征,提高了CT图像分割准确率,可以为医生诊断提供辅助信息。     

灰度共生矩阵提取纹理特征的实验结果分析

为使灰度共生矩阵(GLCM)提取的特征值较好地表达纹理信息,对Brodatz纹理库图片进行了大量实验。首先测试了各构造参数对关键特征统计量的影响,给出了特征值随参数变化的规律,确立了构造参数的合理取值;然后测试了图像旋转和大小变化对所提取特征值的影响。实验结果对优化灰度共生矩阵的构造、实现基于纹理的图像检索有参考意义。     

基于SVM的SAR图像分类研究

支持向量机（SVM）是一种卓越的分类方法,灰度共生矩阵（GLCM）则是一种很好的纹理分析方法,而纹理是合成孔径雷达（SAR）图像分类的一个重要特征,故而提出了一种使用灰度共生矩阵进行特征提取的应用支持向量的SAR图像分类法。实验结果证明了支持向量机算法的可行性和有效性。     

基于多分辨率的医学图像区域融合算法

提出一种基于多分辨率的医学图像区域融合算法。对源图像进行多分辨率分解,考虑邻域系数的影响,基于局部绝对值选大的融合规则,进行高频带的融合。采用模糊C均值算法对熵值大的低频带进行区域分割,将区域映射到其他低频带中,利用EM融合算法融合各个区域。对融合系数进行重构,得到融合图像。实验结果表明,该算法的融合质量较优且效率较高。     

基于多分辨率的非参数正交多项式医学图像融合方法

基于估计理论的图像融合方法都是假设图像偏移或噪声服从高斯混合分布,容易造成模型不匹配和丢失局部细节等问题。文中提出一种基于小波的多分辨率的非参数正交多项式医学图像融合方法。首先,对图像进行多分辨率分解。对低频部分,根据图像信息模型和非参数正交多项式混合模型,采用非参数期望最大法估计模型参数,获得低频融合结果。对高频部分,采用系数绝对值选大法进行融合。然后,将高频和低频部分结果进行反变换,得到最终融合图像。实验结果表明,该方法融合质量优于其它方法,融合时间大为缩短。     

基于小波包变换的遥感图象融合

为了能够更好地把来自多传感器的图象信息综合起来，以提高对图象信息的分析和提取能力，在研究了小波包图象分析法之后，提出了一种基于小波包变换的图象融合方法，由于小波包变换能对图象进行多层次分解，包括对小波变换没有细分的高频部分也能进行进一步的分解，因此小波包分析能够为图象提供一种比小波多分辨分析更加精细的分析方法，利用此融合算法将由多传感器获得的同一目标不同波段的遥感图象和不同分辨率的遥感图象进行融合后得到的融合图象，能够很好地将源图象的细节融合在一起，通过与该融合图象进行主观与客观的评价比较，证明该融合方法可以获得更好的融合效果。     

基于NSCT变换的红外与可见光图像融合技术研究

提出了一种基于非下采样Contourlet变换(NSCT)的红外与可见光图像的融合算法。采用对低频系数取平均,对高频系数中最大分解尺度选择系数最大值,其他尺度系数采用局部方差最大的规则,通过对所得到的融合系数进行逆变换即可得到融合后的图像。实验表明:该算法结合了NSCT的多尺度、多方向和平移不变性的优点,能够更好地提取源图像特征,增强融合图像的空间细节表现能力。融合后的图像具有较好的主观视觉效果,标准差和熵值较传统的融合方法有所提高。     

改进小波多分辨力分析的数据融合算法

在小波分析中,多分辨力分析是一重要的方法。但该方法只对低频段的近似信号进行逐级细分,导致低频段频率分辨力越来越高,而高频段的细节信号保持不变,频率分辨力较低。为了克服小波多分辨力分析在高频段频率分辨力低的缺点,采用改进的小波多分辨力分析方法,由于该方法对高频段进行逐级细分,改善了小波变换在高频段的时频局部化性能,提高了小波变换高频段频率的分辨力。同时,将改进的小波多分辨力分析方法应用到多传感器数据融合中,经过仿真计算,其结果表明:该算法是有效的。     

基于影像特征融合的遥感图像重构模式研究

基于影像特征级数据融合的遥感图像重构是在突出目标地物的空间结构和纹理特征情况下的信息融合。在数字图像小波多分辨率分析理论基础上，采用小波变换方法对高分辨遥感图像的目标地物边缘进行信息增强，然后与多光谱遥感图像进行特征信息融合。在融合过程中，首先对多光谱图像中的R、G、B三个波段的图像进行小波分解，得到相应的低频图像，然后对特征增强后的高分辨率图像进行小波分解，再将分解后的高频图像分别与低频图像进行融合，最后经RGB合成为彩色图像。该方法既改善了图像的清晰度和分辨率，同时也保留了原图像的光谱信息。通过融合实验验证了上述结论。     

基于多分辨率分割的区域图像融合

图像融合是一项综合同一场景的多幅源图像信息的技术.现有的区域图像融合方法或者是只对最高层低频带分割并以此分割信息来指导所有层的融合,或者是其多分辨率分割方法过于复杂难以满足实时性.鉴于此,该文发展了一种基于多分辨率分割的区域图像融合方法.它的主要特点是多分辨率分割.其步骤为:首先对源图像进行小波变换的多分辨率分解,然后对分解后每一层的低频图像都进行区域分割,最后用每一层分割得到的区域信息来分别指导每一层的融合.仿真表明该文发展的基于多分辨率分割的区域图像融合方法的融合性能要优于传统的基于窗口的图像融合方法和只对最高层低频带分割的区域图像融合方法.     

双密度双树复小波域多聚焦图像融合

将双密度双树复小波变换引入多分辨率图像融合中,利用双密度双树复小波变换的多尺度、多方向性和平移不变性特征分解多聚焦图像,对分解后高、低频图像系数采用不同融合策略进行融合,应用双密度双树复小波逆变换重构图像。采用多组多焦距源图像进行融合实验,并对融合结果进行了客观评价。实验结果表明双密度双树复小波域融合方法对多聚焦图像具有更好的融合效果,图像的细节描述更加精确。     

基于NSCT的红外与可见光图像融合

提出一种基于非下采样Contourlet变换的红外与可见光图像融合方法。该方法对源图像经非下采样Contourlet变换分解后的高频系数,考虑不同传感器的成像机理进行活性度量,并结合多分辨率系数间相关性来实现加权融合;低频系数则通过一种局部梯度进行活性度量,再采用加权与选择相结合的规则实现融合。最后,通过非下采样Contourlet逆变换重构获得融合图像。实验结果表明了该方法的有效性和可行性。     

基于脉冲耦合神经网络的异源图像融合方法

针对基于主成分分析与二代小波变换的图像融合算法中鲁棒性不高、融合图像质量较低的问题,提出了基于鲁棒性主成分分析与脉冲耦合神经网络的融合方法.所提出的算法将可见光与红外图像进行二代小波变换,转换为高频与低频信号,接着采用不同的融合策略针对低频和高频信号进行融合.针对低频信号,利用鲁棒性主成分分析法还原低秩矩阵并采用加权平均的融合策略进行融合;针对高频信号,将其送入至脉冲神耦合神经网络中进行融合得到融合后的小波系数.将融合后的小波系数进行逆变换,得到最终融合图像.实验结果表明,相比于基于主成分分析与二代小波变换的图像融合算法,利用所提出的出算法得到的融合图像中熵指标、空间频率指标、结构相似度指标和峰值信噪比指标均得到了不同程度的提升.因此,所提出的算法能够更好地提取目标信息,使融合图像中目标的轮廓边缘更加清晰,同时将提升小波分解出的高频信息利用PCNN进行融合,更加突出细节信息.