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。     

基于小波变换的纹理图像分割

基于小波的纹理图像分割方法是把小波变换应用于纹理的特征提取。通过对原始纹理图像进行高阶小波分解,构成每个象素对应一个特征矢量,对所提取的特征利用均值举类算法进行分类,最终获得图像的分割结果。为了提高纹理分割图像的边缘准确性和区域性以及降低分割错误率,提出了利用特征加权来进行后分割的方法。     

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。     

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。     

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。     

组合局部多通道Gabor滤波器和ICA的人脸描述与识别

针对人脸识别是当前人工智能和模式识别的研究热点,提出了一种组合局部Gabor滤波器组和ICA技术(简称LMGICA)的人脸描述方法,首先对归一化的人脸图像进行采样分块,然后对局部子块进行多方向、多分辨率Gabor小波滤波,并提取其对应不同方向、不同尺度的多个Gabor 幅值域图谱(local Gabor magnitude map,LGMM),接着由滤波图像直接构建高维特征矢量;再将这些高维特征矢量通过主成分分析进行降维;最后采用ICA技术分析和提取降维后的特征矢量中的独立成分用于识别分类。通过与经典Ga     

基于纹理的图像检索

为得到纹理特征提取的合适的算法,首先研究了基于灰度共生矩阵的纹理特征的提取方法,将彩色图像变换灰度图像,然后进行四个方向的纹理特征提取,包括能量、熵、惯性矩、相关量四个向量元素作为纹理特征值,并研究了基于Gabor小波的纹理特征的提取。首先将Gabor小波作为母小波,将图像进行二维的Gabor小波变换,将Gabor小波系数的均值和标准方差作为纹理特征值;将两种方法进行比较,查全率和查准率作为测量标准,实验表明基于Gabor小波变换的纹理特征方法在频域具有比较好的检索效果。     

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.     

含噪文本图像的中英文文种识别研究

从文本图像中提取局部特征来进行文字种类识别,对图像的质量要求较高,而提取文本图像的整体特征进行识别,则能够克服了这个问题.分析中、英文文本图像的纹理特征,通过Gabor滤波器分析提取全局特征,再用支持向量机的方法进行文种分类识别.实验结果表明,该方法可以很好地区分含噪文本图像中的中文和英文.     

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。     

基于轮廓的图像检索

提出了一种针对多纹理图像的基于轮廓和纹理分割的检索策略.首先提取一幅图像中各个纹理基元的轮廓,计算轮廓的Fourier形状描绘子,根据形状描绘子对轮廓聚类分组.此时,原图像被分割成几组不同形状的纹理基元轮廓,采用Gabor小波变换分别提取各组纹理基元轮廓的特征,从而将原图像表示为Gabor小波特征空间中的特征点集.最后,采用对噪音不敏感的改进Hausdorff距离计算各特征点集之间的距离,便可实现多纹理图像的检索.与已有方法相比,实验结果表明,该方法具有更好的检索精度.     

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。     

小波域多方向信息融合的纹理图像检索

由于能提供较多的方向信息,双树复小波变换在纹理图像检索中的检索率高于传统小波变换,但传统小波变换与双树复小波变换得到的方向子带不同。针对该问题,提出一种融合传统小波和双树复小波变换的一阶统计信息从而提取特征进行纹理图像检索的方法。对Brodatz图像库的仿真实验表明,该方法优于传统小波和双树复小波方法。