Texture classification using the support vector machines

In recent years, support vector machines (SVMs) have demonstrated excellent performance in a variety of pattern recognition problems. In this paper, we apply SVMs for texture classification, using translation-invariant features generated from the discrete wavelet frame transform. To alleviate the problem of selecting the right kernel parameter in the SVM, we use a fusion scheme based on multiple SVMs, each with a different setting of the kernel parameter. Compared to the traditional Bayes classifier and the learning vector quantization algorithm, SVMs, and, in particular, the fused output from multiple SVMs, produce more accurate classification results on the Brodatz texture album.     

Application of InP Neural Network to ECG BeatClassification

This paper presents an application of a hybrid neural network structure to the classification of the electrocardiogram (ECG) beats. Three different feature extraction methods are comparatively examined: discrete cosine transform, wavelet transform and a direct method. Classification performances, training times and the numbers of nodes of Kohonen network, Restricted Coulomb Energy (RCE) network and the hybrid neural network are presented. To increase the classification performance and to decrease the number of nodes, the hybrid neural network is trained by Genetic Algorithms (GAs). Ten types of ECG beats obtained from the MIT-BIH database and from a real-time ECG measurement system are classified with a success of 98% by using the hybrid neural network structure and discrete cosine transform together.     

A Generative Probabilistic Oriented Wavelet Model for Texture Segmentation

This Letter addresses image segmentation via a generative model approach. A Bayesian network (BNT) in the space of dyadic wavelet transform coefficients is introduced to model texture images. The model is similar to a Hidden Markov model (HMM), but with non-stationary transitive conditional probability distributions. It is composed of discrete hidden variables and observable Gaussian outputs for wavelet coefficients. In particular, the Gabor wavelet transform is considered. The introduced model is compared with the simplest joint Gaussian probabilistic model for Gabor wavelet coefficients for several textures from the Brodatz album [1]. The comparison is based on cross-validation and includes probabilistic model ensembles instead of single models. In addition, the robustness of the models to cope with additive Gaussian noise is investigated. We further study the feasibility of the introduced generative model for image segmentation in the novelty detection framework [2]. Two examples are considered: (i) sea surface pollution detection from intensity images and (ii) image segmentation of the still images with varying illumination across the scene.     

一种基于小波多分辨率的数字水印方法

基于小波多分辨率的分解重构，提出了一种数字水印方法。该方法是将一幅二值化图像作为水印，不借助原始图像，能方便、可靠地检测出水印。实验表明嵌入水印后的图像及检测水印图像视觉失真率低，嵌入水印有很好的鲁棒性。     

基于小波变换的数字水印算法

提出了一种基于小波分析的数字水印嵌入检测算法 ,水印的检测不需要原始图像 ,选择中频带嵌入水印信息 ,以保证其隐蔽性和鲁棒性 ,实验表明 ,该方法是可行的     

一种基于小波变换提取拐点的手写签名认证方法

为了对手写签名进行准确认证 ,介绍了一种基于小波变换的用于提取手写签名笔划坐标 -时间曲线拐点的手写签名认证方法 ,该方法首先采用以高斯函数的二阶导数作为小波基的小波变换技术来进行拐点提取 ,由于变换后的曲线可以近似认为是原函数的二次导数曲线 ,它不仅能够从签名笔划曲线中准确可靠地提取出具有特殊意义的拐点 ,并具有分辨尺度可调的优点 ,从而提高了认证的普适性 ;然后以该方法为基础 ,进行不同签名之间拐点序列的匹配 ;最后再利用提取的拐点来对签名进行分段和段 -段对应处理 .若由于利用拐点分段能体现出各分段局部相似性与稳定性不同的特点 ,因而拉开了真伪签名之间的差距 ,若进一步与动态时间弯曲算法相结合 ,即可取得比较满意的认证效果 .     

面向图象压缩的图象分类及压缩结果预测

图象数据存在冗余使图象压缩成为可能 ,而不同图象的数据冗余度特别是空间冗余度相差很大 .对被压缩图象的空间冗余度这一图象的本质属性进行研究、减少图象压缩及方法选择时的盲目性是非常必要的 .为此提出了面向图象压缩的图象分类这一新概念以及具体分类算法 .该算法利用图象小波高频系数的分布特点 ,采用图象边缘度作为图象空间冗余度的度量 ,将不同内容的图象按边缘度大小分类 .分类的结果可对不同图象的压缩结果进行预测 .实验结果表明 ,图象分类结果和对压缩结果的预测是有意义的 ,并与人的视觉相吻合 .该分类思想对其他图象处理算法的选择和优化也有参考价值 .     

小波域内图象零水印技术的研究

为了在保证图象质量的前提下实施图象的版权保护，提出了一种图象零水印方法．该方法改变了传统的向原始图象中嵌入水印信息来实现版权保护的做法，采用从图象中抽取水印信息的方法来实现这一功能，其核心思想是：恰当选取图象小波变换的系数，然后把它作为原始图象的基本信息进行定位和管理，当对待认证图象进行认证时，用同样的方法提取该认证图象的信息，并对这些信息进行分析和检测，从而判定该图象的版权和所有权．通过实验证明，这种方法具有无失真、鲁棒性好、简单易行及可操作性强等优点．最后对该方法进行了推广，使它不但可以从原图象中提取水印，而且可以在图象外部加载水印，该方法既能满足图象认证的需要，又能用来进行数据隐藏．     

一种提取直线的随机方法

基于Hough变换提取直线的方法，由于要预先量化参数空间，因此需要很大的存储量和计算量．基于RHT(Randomized Hough Transform)提取直线的方法是通过随机选取两个点得到直线的参数，而后在参数空间对相应的参数进行累加、判断，该方法虽然无需预先量化参数空间，但是其在直线检测时，收敛速度慢．为此提出一种新的随机检测直线(Random Line Detection)的方法，在图象边缘点构成的数据空间中随机选取3个点，根据距离准则获得一条可能的直线，然后在数据空间中进一步判断直线的真实性，实验证实了该方法能有效的减少存储空间并降低计算量。     

足球场地标志线的自动提取

介绍一种从足球比赛录像中自动提取禁区线和球门线的方法．作为足球比赛场景三维重建和视频解说系统的一部分，提取的结果可用于摄像机定标和球场的重建．使用数学形态学、Hough变换、最小二乘法等多种方法，可以从复杂的足球比赛录像中自动提取出所有禁区线和球门线的直线参数．实验结果表明，文中方法对类似背景的直线提取非常有效，可满足摄像机定标和球场重建的需要．