基于Gabor小波变换的医学图像纹理特征分类

Gabor小波变换技术对医学CT图像进行纹理特征分类时,由于图像拍摄角度的变化会造成分类的误差。针对以上问题,在Gabor小波变换的基础上提出一种用于分析旋转不变医学图像的方法。该方法采用旋转规范化,即特征元素的循环移位使规范化后所有的图像都具有相同的主方向。实验结果表明,加入旋转规范化循环算子的Gabor小波变换在医学CT图像纹理特征分类时能够达到较好的精确度。     

基于Gabor变换的纹理分类与识别

自然纹理图像复杂多样,目前国际上没有明确的分类标准,利用中文自然语言中的纹理概念词对常见的自然纹理进行基于概念的分类,并建立了自然纹理图像库。提出了Gabor频谱滤波提取纹理特征的方法,大大提高了计算速度。以支持向量机为分类器,并与传统的基于BP神经网络的识别方法进行对比,实验验证了该分类方法的有效性。     

基于Gabor小波变换和支持向量机的人脸识别

将Gabor小波变换和支持向量机分类方法结合起来进行人脸识别。通过由Gabor小波变换系数表示的若干个人脸模板和人脸图像之间的匹配来确定特征点的近似位置；在所有的特征点位置计算Gabor小波变换系数并将其串联成表示人脸图像的向量；采用一种层次分解的支持向量机二叉决策树进行分类识别。实验结果表明了该方法的可行性。     

一种基于Gabor小波变换的图像倾斜矫正算法

提出了一种基于GabDr小波变换的图像倾斜矫正算法。首先选取一定角度的GabDr小波对标准无倾斜的图像进行单一尺度下的Gabor小波变换，记下各个角度下变换系数的个数，然后对倾斜图像进行与标准图像同样的变换，记下倾斜图像最多变换系数个数和此时的GabDr小波函数角度，与标准图像各个角度下的小波变换系数个数相比，取距离d为判据，当d最小时的标准图像Gabor小波函数角度与倾斜图像Gabor小波函效角度的差值即为倾斜图像的矫正角。实验结果证明该算法能有效地实现倾斜图像的矫正。     

基于Gabor小波变换的无监督纹理图像分割

本文提出了一种基于Ｇａｂｏｒ小波变换的无监督纹理分割方法,该方法首先对纹理图像进行Ｇａｂｏｒ小波变换,再经过一组Ｇａｕｓｓ波波器滤波,然后将得到的纹理特征送入由Ｈｏｐｆｉｅｌｄ网络构成的无监督分类器,最后得到纹理分割结果。实验和分析表明,该方法对于不同的纹理图像都具有良好的分割效果。     

基于Gabor小波滤波器的遥感图像多频道纹理分析

提出了一种基于Gabor小波滤波器的遥感图像多频道纹理分析算法，大量实验证明本算法方便有效地解决了由于遥感图像目标与背景对比度差、图像边缘模糊、噪声较大而给图像处理带来的困难。     

基于Gabor小波变换的舌苔腐腻识别

舌诊是中医"望诊"中的重要内容之一,通过对舌苔的观察能了解人体生理变化,从而进行病势判断。当前基于计算机的舌苔腐腻识别研究鲜有报道。提出一种基于Gabor小波变换的舌苔腐腻识别方法。考虑舌象的完整性以及腐腻舌苔的纹理不同,从纹理角度出发,将整体的舌象进行Gabor小波变换;并针对Gabor小波变换的边缘检测效应使纹理描述弱化这一问题,提出一种弱化边缘的方法,在此基础上提取均值和标准差作为纹理特征对正常苔、腐苔和腻苔进行分类识别。实验结果表明,用改进的特征分类平均准确率达到91%,验证了该方法对舌苔腐腻的识别是有效的。     

一种基于Gabor小波变换的图像倾斜矫正算法

提出了一种基于Gabor小波变换的图像倾斜矫正算法.首先选取一定角度的Gabor小波对标准无倾斜的图像进行单一尺度下的Gabor小波变换,记下各个角度下变换系数的个数,然后对倾斜图像进行与标准图像同样的变换,记下倾斜图像最多变换系数个数和此时的Gabor小波函数角度,与标准图像各个角度下的小波变换系数个数相比,取距离d为判据,当d最小时的标准图像Gabor小波函数角度与倾斜图像Gabor小波函数角度的差值即为倾斜图像的矫正角.实验结果证明该算法能有效地实现倾斜图像的矫正.     

基于自动分割的局部Gabor小波人脸表情识别算法

针对包含表情信息的静态灰度图像,提出基于自动分割的局部Gabor小波人脸表情识别算法。首先使用数学形态学与积分投影相结合定位眉毛眼睛区域,采用模板内计算均值定位嘴巴区域,自动分割出表情子区域。接着,对分割出的表情子区域进行Gabor小波变换提取表情特征,再利用Fisher线性判别分析进行选择,有效地去除了表情特征的冗余性和相关性。最后利用支持向量机实现对人脸表情的分类。用该算法在日本女性表情数据库上进行测试,实现了自动化且易于实现,结果证明了该方法的有效性。     

医学肝脏图像Gabor小波纹理特征研究

针对肝脏图像自身特点,研究了Gabor小波纹理特征在医学肝脏图像识别中的意义,提出一种基于Gabor小波纹理特征的医学肝脏图像识别方法.实验表明:引进Gabor小波纹理特征能较好地实现医学肝脏图像识别问题;与其它典型图像识别方法对比结果验证,新方法可以取得更高的识别率.     

基于小波变换的图像纹理奇异性检测方法的研究

介绍了一种用于图像纹理奇异性检测的二维数字滤波器的设计，该滤波器是基于离散小波变换设计的。它具有纹理树状结构的多分辨分析特性。用一阶及二阶的微分方法进行奇异点的估计与合并。可应用于图像纹理奇异性检测．     

基于小波变换的图像纹理奇异性检测方法的研究

介绍了一种用于图像纹理奇异性检测的二维数字滤波器的设计,该滤波器是基于离散小波变换设计的。它具有纹理树状结构的多分辨分析特性。用一阶及二阶的微分方法进行奇异点的估计与合并,可应用于图像纹理奇异性检测。     

基于小波变换的纹理特征提取分析

在图像检索技术中，充分利用纹理特征能大大提高图像检索的准确率。用小波变换的方法提取图像纹理特征参数优势明显．也符合纹理识别的特点。     

基于Contourlet变换和仿生模式识别的纹理图像识别方法

纹理图像的分类是目前一个非常活跃的研究课题。针对现有纹理图像分类算法的局限性,本文提出了一种基于Contourlet变换和仿生模式识别方法的纹理图像识别算法。首先应用Contourlet变换获得能量特征的方法提取能量特征,进而利用仿生模式识别算法实现对纹理图像的识别。采用Vistex纹理库数据进行仿真实验,结果表明:与传统的分类方法相比,利用Contourlet变换和仿生模式识别结合进行纹理图像的识别能获得更高的正确率和速度,最佳正确率可达100%。     

基于小波分解的纹理图像检索

纹理相似性研究是基于内容检索研究中的一个重要组成部分。采用树状小波分解的方法在相应的能量准则下对图像进行分解，并使用了主成分分析算法来压缩特征向量的维数，而且结合Tamura等人提出的、与人类视觉感知相对应的3个重要纹理特征来形成对图像进行精确描述的特征矢量。实验结果表明，该算法具有较强的应用价值。     

基于提升小波变换的火灾图像识别

基于提升算法的小波变换具有算法简单、运算速度快、占用存储空间小的特点。针对火灾图像实时性强、火焰边缘含有大量火灾特征信息等特点,结合图像处理技术和小波分析理论,提出基于提升小波变换的火灾图像识别方法。运用小波提升算法提取视频帧图像的边缘。通过火焰面积判据和火焰尖角判据识别是否有火灾发生,实验证明基于提升小波变换的火灾图像识别方法准确性高,实时性强。     

基于Gabor滤波器的遥感图像纹理查询方法

介绍了一种基于Gabor纹理特征的遥感图像检索方法。利用Gabor滤波器对图像进行多分辨率分解,提出了一种改进的基于滤波图像及图像能量的纹理特征提取方法,利用尺度、方向、纹理结构构成特征向量,使用归一化欧氏距离进行了相似性判断。该方法计算过程简单、快速,提高了方向判别的可靠性。仿真实验和实际运用验证了该算法的有效性。