基于稀疏编码的动态纹理识别

目的 线性动态系统有效地捕捉了动态纹理在时间和空间的转移信息。然而,线性动态系统属于非欧氏空间模型,无法直接应用传统的稀疏编码进行分类识别,为此提出一种基于稀疏编码线性动态系统的求解方法并应用于动态纹理识别。方法 基于约束凸优化公式,将稀疏编码和控制论中相似性变换结合,优化学习模型参数,解决应用稀疏编码进行分类识别的问题,实现有效的动态纹理识别。结果 在公开的动态纹理图像数据库UCLA上进行实验并与其他方法进行比较,实验结果表明,本文方法具有更好的性能,识别率可达97%,且对遮挡具有更好的鲁棒性。结论 本文方法对动态纹理及遮挡情况具有更好的识别率。     

局部稀疏编码的自然灰度图像着色方法

基于自然图像中灰度纹理与颜色信息的正相关性,提出一种基于局部稀疏编码的自然灰度图像着色方法.首先依据参考彩色图像训练得到“亮度-纹理-颜色”联合字典;然后利用纹理特征子空间和相邻像素的双重局部性求解目标灰度图像块的颜色系数,对图像块进行着色;最后通过金字塔方法逐层优化避免颜色突变.实验结果表明,文中方法可以获得颜色真实度高且整体过渡平滑的目标彩色图像,着色过程也更加自动化.     

纹理滤波器在分割肛管外病症图像中的应用

采用均值滤波和中值滤波的方法对含有高斯噪声和椒盐噪声的肛管外外痔中的血栓性外痔图像进行滤波预处理,同时利用纹理滤波器分割图像将纹理图像、形态学操作、局部标准差滤波和Rangefilt滤波相结合,在保证分割图像整体性的同时,提高了分割图像的有效性,保留了图像的细节。通过血栓性外痔、息肉、混合痔、息肉血栓混合痔四种肛管外病症的分割图像结果的比较,表明纹理滤波器分割图像是一种性能良好的纹理图像分割方法,同时将其应用在肛管外病症图像的分割中,获得了很好的效果。     

纹理图像的多尺度分割

纹理图像分割最常用的方法就是基于特征的纹理分割,即首先提取出图像的纹理特征,在利用提取出的纹理特征来进行特征划分.通过对纹理特征进行划分来实现纹理图像分割的过程所面对的主要困难可以概括为:效率和效果.纹理图像分割算法大多具有较高的时间复杂度,这一方面是因为纹理特征提取比较费时,另一方面较高的特征维数导致特征划分过程的计算量通常比较大.本文提出基于图像四叉树的多尺度分割算法来实现实时图像的粗分割,实验表明此算法可以在保持分割精度的前提下大大降低时间复杂度.     

基于纹理谱的纹理分割方法

纹理分析是图象处理中的一个重要领域。本文提出一种基于纹理谱特征分割纹理图象的方法。它首次将纹理谱特征与区域生长算法结合起来，从而实现了无监督的纹理分割。纹理谱特征具有对方向性敏感等优点，基于纹理谱的纹理图象分割取得了良好效果。     

形态小波域多尺度马尔可夫模型在纹理图像分割中的应用

针对图像分割中小波域多尺度马尔可夫模型(MRMRF-W)无法有效描述图像非线性特征,提出了一种在形态小波域下的多尺度MRF模型（MRMRF-MW）,实现纹理图像分割。该模型结合了形态小波和MRF各自的优势,能够对图像进行非线性多尺度分解,并在各尺度上进行空间关系建模。通过对两个纹理图像库（Brodatz纹理库、Prague纹理库）中图像的分割实验,验证了该模型的有效性。     

基于振动特征的纹理图像分割

纹理分割是图像处理领域中的一个典型难题.基于图像分解提出一个新的纹理振动特征,与基于结构张量和非线性扩散获得的其他纹理特征一起构成5维特征空间,并利用非参数估计的活动围道方法对该特征空间进行分割,得到最终结果.通过不同的纹理分割实验验证了此方法的有效性.     

采用纹理分区技术实现花边图像分割

本文阐述了对花边图像采用纹理分区技术，进行针法区域分割进而识别的方法。文章介绍了纹理分区的基本特征及其在花边图像处理中的应用，实现花边图稿的识别。在文章的后面部分，对分区技术的实现作了详细的介绍，并提供了实例。     

结合纹理信息的图像分割方法及其应用

文章提出了一种结合纹理信息的图像分割方法,设计并实现了一种基于子区域的区域增长算法,该方法较有效地利用了欲分割对象区域的灰度以及纹理信息．该方法应用于医学图像的分割问题,得到了较好的效果．实验表明,该方法针对一类图像能够获得较好的结果.     

基于纹理分析的指纹图像分割算法

低质量指纹图像处理是近年来自动指纹识别技术的研究重点,对低质量指纹图像的分割是实现后续处理的前提。文中在分析了方差作为分割指标的局限性基础上,从指纹图像的纹理特征出发,研究了指纹图像的灰度分布规律,提出了基于纹理的指纹图像分割算法。实验结果表明,相比于基于灰度方差的指纹图像分割算法,文中算法的分割效果更好,对噪声的抵抗能力更强。     

基于商空间的纹理图像分割

商空间理论是新近兴起的基于人工智能研究领域的一个很有潜力的方向。文中将商空间理论应用于纹理图像的分析,通过对纹理的区域结构特征分析研究,提出基于象素8-邻域周期排列的纹理区域特征,并对结构性多纹理图像进行了分割实验,效果令人满意。文章总结了运用商空间理论求解复杂问题一般过程,说明了该理论在实际应用中的重要价值。     

纹理图象分割的分形方法研究

在分形维数的基础上研究了将其用于纹理分割的方法。采用差分盒维数（ＤＢＣ）方法和一种改进的边缘保持算法计算象素点的分形维数ＦＤ，基于原始图象的方向性差分和多重分形的概念提取出一组特征，并将Ｋｏｈｏｎｅｎ的ＳＯＦＭ网用于对得到的图象特征矢量进行分类，得到了较好的纹理图象分割效果。最后和特征平滑与Ｋ均值聚类方法的结果进行了比较     

基于多扫描阈值的图像分割编码算法

针对嵌入零树编码算法的不足,提出一种基于多扫描阈值的图像分割编码算法,该算法对低频子带进行预测编码,对高频子带利用多扫描阈值结构完善逐次逼近量化过程,并在对重要子带扫描时,采用图像分割编码算法,在一定程度上克服了EZW算法的一些不足,提高编码的速度和图像复原的质量.     

基于高斯混合模型的纹理图像分割

纹理图像分割是图像处理的一个基本问题。由于基于高斯混合模型的纹理图像分割方法．大多采用单像素的方法，因此分割精度和效率都较低。为了更好地进行纹理图像分割，在子空间思想的基础上，提出了一个基于图像块的分割算法及其改进算法，即先取图像块的均值、标准差、最大值、最小值以及中间像素的像素值等5个特征作为纹理特征，再利用高斯混合模型进行纹理图像分割，实验结果表明，该新算法的分割精度和分割效率较原分割算法都有较大提高。     

一种基于纹理的图像分割方法

提出了一种基于多进制小波变换的纹理特征提取方法，通过对小波系数的标准差作为纹理测度以生成特征向量，利用模糊c-均值聚类算法进行纹理分割，获得了较好实验结果。     

基于S-CIELAB空间的彩色图像分割

提出一种基于S-CIELAB颜色空间的彩色图像分割算法。在人类视觉彩色传递模型的基础上,将原始的RGB图像转换到S-CIELAB空间,运用均值漂移算法对图像进行分割。实验结果表明,该算法能模拟人类视觉模糊特性,得到与人类视觉非常接近的分割结果。对于被高斯噪声严重污染的彩色图像,该算法也能有效地进行分割。     

一种基于纹理方向场的图像分割方法

提出了一种基于纹理方向场的图像分割方法。根据图像平滑滤波原理构造了高斯滤波器与分块滤波器相结合的平滑方法,利用纹理梯度方向场特征形成纹理梯度图像,以此为基础用分水岭算法对图像进行分割。结果表明,将该方法应用于粘连大米颗粒图像,能有效分割粘连大米图像,较好地解决了分水岭算法的过分割问题,具有较强的边缘稳定性。     

基于纹理相似栈的超声图像分割方法

超声图像高噪声、低对比度的特点使其含噪图像的纹理信息较难提取。为此,提出一种基于自适应相似栈的聚类分割方法。对超声图像进行自适应去噪获得估计图像,结合超声图像和估计图像建立基于非局部搜索的相似栈列,应用相似栈列对超声图像纹理特征值进行修正,并使用K-means聚类将超声图像划分为互不重叠的区域。实验结果表明,该方法分割结果与人工分割结果的重合度达到93. 28%,在差异较大的样本下重合度标准差为2. 07%,从而验证其可对超声图像实现稳定有效的分割。     

基于对偶树复小波和MRF模型的纹理图像分割

基于对偶树复小波（DT-CWT）和马尔可夫随机场（MRF）模型提出了一种监督纹理图像分割算法,算法包括两个步骤,首先对复小波变换系数进行较为精确的建模,提取其一阶统计信息作为纹理特征,综合多个尺度的信息,基于极大似然标准进行初始分割;其次,将初始分割结果用MRF模型表示,基于贝叶斯最大后验（MAP）融合初始分割结果,得到最终的分割结果。算法应用于合成纹理图像和实际图像得到了良好的结果,对比实验表明算法所采用的纹理特征的提取方法、小波变换方式、用MRF模型来建模标号等是算法简洁有效的基础。     

基于中值-游程共生矩阵的纹理特征提取

提出了一种基于中值-游程共生矩阵模型的纹理特征提取方法.该方法利用了图像的灰度信息和等灰度游程长度信息,通过计算图像的中值矩阵和游程矩阵,从而计算出中值-游程共生矩阵,来提取图像的特征.仿真结果表明,该方法能有效地分割出纹理图像上区域特性不同的纹理,且分割效果优于等灰度游程矩阵和灰度共生矩阵.