图像纹理特征提取方法综述

纹理是一种重要的视觉线索，是图像中普遍存在而又难以描述的特征。纹理分类与分割是图像处理领域一个经久不衰的热点研究领域，纹理特征提取作为纹理分类与分割的首要问题，一直是人们关注的焦点，各种纹理特征提取方法层出不穷。在广泛文献调研的基础上，回顾了纹理特征提取方法的发展历程，分析了其研究现状，对纹理特征提取方法进行了较为全面的综述，对其进行分类和比较，最后给出了纹理研究领域的主要发展趋势。  

基于内容的三维模型检索综述

对当前基于内容的三维模型检索技术的国际研究现状及进展进行了广泛而深入的综述．探讨和分析了基于内容的三维模型检索技术的系统框架及其关键方法，重点介绍其中的模型坐标标准化、特征提取与索引、相似性匹配、查询方式与用户界面等方面的基本内容，并进行了适当分类．分析总结了现有的基于内容的三维模型检索系统及搜索引擎的典型实例．最后，对现有研究中存在的难点问题及其未来的发展方向进行了展望．  

基于方向滤波分割的指纹自动识别系统算法

为适应当前个人身份鉴定迫切需要，提出了一种基于方向滤波分割的指纹自动识别系统的完整方案。该系统主要分指纹预处理及识别两大部分，包括方向图的计算、平滑、方向滤波、二值化、去噪、特征提取、特征编码及识别的方法。利用该系统的预处理及特征编码和识别方法，指纹图象得到了较好的增强，而且，在识别过程中能克服一定范围内指纹旋转及平移因素的影响。本系统具有高效识别和很强的抗干扰能力，对于残缺或模糊的指纹图象也有很好的识别效果，有较高的使用价值。  

人脸识别理论研究进展

综述了人脸识别理论的概念和研究现状，讨论了其中的关键技术和难点以及应用和发展前景，最后对人脸识别研究中应注意的问题提出了我们的看法  

三维模型检索中的特征提取技术综述

介绍了三维模型检索的主要研究内容，综述了三维模型检索中的关键技术——特征提取的研究现状，通过对基于统计特征、骨架几何学的特征提取方法的综合比较与分析，对各种特征提取技术进行了评价．  

基于奇异值分解和判别式KL投影的人脸识别

人脸识别是计算机视觉和模式识别领域的一个活跃课题,有着十分广泛的应用前景.提出了一种新的彩色人脸识别方法.该算法采用模拟K-L变换、奇异值分解、主分量分析和Fisher线性判别分析技术来提取最终特征,可以使分类器的设计更加简洁、有效,使用较少的特征向量数目就能取得较高的识别率.仿真结果表明了该方法的有效性.  

一种基于向量空间模型的多层次文本分类方法

本文研究和改进了经典的向量空间模型(VSM)的词语权重计算方法,并在此基础上提出了一种基于向量空间模型的多层次文本分类方法。也就是把各类按照一定的层次关系组织成树状结构,并将一个类中的所有训练文档合并为一个类文档,在提取各类模型时只在同层同一结点下的类文档之间进行比较;而对文档进行自动分类时,首先从根结点开始找到对应的大类,然后递归往下直到找到对应的叶子子类。实验和实际系统表明,该方法具有较高的正确率和召回率。  

基于纹理分布和变形模板的面部特征提取

面部特征提取是面部感知的重要内容,同时也是特定人的3D人脸动画应用中所必须的前期工作.在一个多级人脸检测模块检测到人脸大致区域和尺寸的基础上,提出并实现了一种基于面部图像纹理分布特性和可变形模板的由粗到细的面部特征提取策略,旨在解决可变形模板对参数初值依赖性强和计算时间长的问题.该策略首先利用眼睛区域的谷特性和频率特性定位两个虹膜中心点位置,然后用积分投影确定唇部和鼻子区域的位置,在此基础上进行关键特征点的检测,从而可以得到预定义特征模板参数的良好初值,最后基于贪心算法的多阶段轮换优化算法来搜索一个极小点  

叶片图像特征提取与识别技术的研究

文章介绍了一种基于叶片图像的形状特征对叶片进行识别的方法。首先对叶片图像进行预处理并且提取出叶片的轮廓,然后利用轮廓计算得到叶片的矩形度、圆形度、偏心率等8项几何特征和7个图像不变矩,同时在文中提出了一种新的移动中心超球分类器,利用其对得到的形状特征进行分类从而实现了对20多种植物叶片的快速识别,并且平均识别率达到了92%。  

基于MODIS遥感数据的宏观土地覆盖特征分类方法与精度分析研究

针对宏观土地覆盖遥感分类的现状,充分利用MODIS相对于AVHRR数据具有的多光谱和分辨率优势,提出了利用MODIS数据进行分类特征选择与提取并结合多时相特征进行宏观土地覆盖分类的分类方法,并在中国山东省进行了分类试验,得出以下结论:①不同比例下的训练样本与验证样本影响着总体分类精度;②从MODIS数据中得到的植被指数EVI、白天地表温度Tday、水体指数NDWI、纹理特征局部平稳Homogeneity等可以作为分类特征配合参与到多波段地表反射率Ref1-7遥感影像中,能明显提高分类精度,而土壤亮度指数NDSI则没有贡献;③提取的分类特征对总体分类精度贡献大小为:EVI贡献最大,提高近6个百分点,其次是Homogeneity、NDWI,均提高近4个百分点,而最少的Tday也贡献了近3个百分点;④各分类特征对不同地物类别具有不同的分离度,在提高某些类别的分离性时,有可能降低了其它类别的分离性。试验结果表明:在没有其它非遥感信息的前提下,仅利用MODIS遥感自身信息对宏观土地覆盖分类就可达到较高精度。