空间灰度相关图象纹理分割方法

本文给出了图象纹理分割的空间灰度相关法(SGLDM)中四个描述性强的纹理特征。定义了纹理特征矢量。在此定义基础上,给出了一种新的图象纹理分割方法。最后以四幅分割难度较大的纹理图象实验,说明利用四种纹理特征的方法可以有效地对纹理子图案非随机旋转的图象进行纹理分割。     

基于小波包特征的纹理影像分割

利用小波包变换来检测纹理图象上的灰度变化，以得到多分辨率、多方向性的微观统计特征图象，在此基础上用Ｅｎｖｅｌｏｐ算法提取基于边缘信息的纹理特征，为了克服纹理特征之间的相关性，采用了子空间分类器对纹理特征图象进行分类，取得了较好的分割效果。     

基于纹理基元的图象分割

纹理分割是图象处理的基本问题之一．针对广泛的纹理图象，需要一个高效、鲁棒的分割方法，因此提出了一种基于纹理基元的纹理图象分割算法．首先，以Harr小波为变换工具，得到具有方向性的纹理子图象；然后给出了一种新的纹理基元提取方法，并在此基础上，应用统计方法和矢量场，对纹理区域进行由粗到细的分割．通过这种方法不仅可以对纹理图象进行分割，还可以对同一区域的纹理结构进行描述，从而有利于在这种分割方法基础上，进行更高层次的图象处理．     

一种基于小波分析的纹理背景下的物体分割算法

基于物体和作为背景的纹理图象在线性赋范空间Ｌ１中的能量分布不同这一特点，给出了一种基于小波分析的特征选取方法，由此得到最佳的特征描述并运用分裂－合并算法进行图象分割。这种算法本质上是从灰度分布来分割图象算法的推广，它不仅适用于纹理背景下的物体分割，而且适用于纹理区域和平滑区域组成的复合图象的分割以及不同纹理间的分割。     

基于Gabor多通道滤波和Hopfield神经网络的纹理图象分割

文章针对纹理图象的特点,提出了一种基于Gabor多通道滤波和Hopfield神经网络的纹理图象的分割算法。首先构造一组Gabor滤波器（2－D）提取纹理图象多分辨率和多方向性的空域和频域特征。为了使纹理特征更加明显,在此基础上对滤波图象进行非线性变换,最后利用Hopfield神经网络通过松弛迭代算法实现纹理图象的快速分割,取得了良好的分割效果。     

具有旋转不变性的纹理分割方法

本文提出了一种具有旋转不变性的纹理分割算法.纹理图象被模拟为三层次过程综合作 用形成的,它们是区域过程、纹理过程和退化过程.整个方法包括具有旋转不变性的纹理特征 抽取、纹理特征的光滑、基于三层次神经元网络的初始分割以及利用多值Boltzmann机的进一 步分割.对自然纹理图象的分割结果证明了算法的有效性.     

基于反应扩散的纹理图象分割

纹理图象分割一直是图象处理中非常活跃的一个领域,各种纹理分割算法层出不穷.本文提出了基于反应扩散的纹理图象分割方法.将纹理图象投射到反应扩散介质表面,在各点形成不同的相位分布.激发反应并通过对周期性动态演化的图象适当组合运算,可以将特定的纹理从图象中分割出来.从试验和计算机模拟两个角度出发,结果证实该方法行之有效.本方法不需要先验知识,且运算速度快,对于简单的纹理图象分割效果较好.     

利用小变换和特征加权进行纹理分割

为了提高纹理图象分割的边缘准确性和区域一致性以及降低分割错误率,提出了一种基于小波变换的利用特征加权来进行纹理分割的方法。该方法包括特征提取、预分割和后分割3个阶段,其中,特征提取在金字塔结构小小以变换的基础上进行;预分割利用均人矣类算法来对原始图象进行初步的分割;后分割则根据预分割的结果对特征进行加权,然后利用最小距离分类器来实现图象的最后分割。与传统的方法相比,该方法在分割错误率、边缘准确性以及区域一致性等方面均有明显的改善。     

基于分形理论和Kohonen神经网络的纹理图像分割方法

分形理论作为描述自然现象的一种模型,受到人们越来越多的重视。该文提出采用分形维数和多重分形广义维数谱q－D（q）作为纹理特征,采用自组织神经网络Kohonen网络作为分类器的图象分割方法。通过对纹理图象的分割实验,结果令人满意,证实该方法的有效性。     

傅氏变换的自配准性质及其在纹理识别和图象分割中的应用

图象按纹理一致性进行辨识和分割是图象分析中的一个重要问题 ,有着广泛的实际应用 .讨论了傅氏变换应用于纹理识别的机理 ,并基于此提出了一种图象分割算法 .图象中的纹理线条呈现出很多方向 ,并随机地分布在图象的各个位置 ,然而对于它的傅氏变换幅度谱来说 ,相同方向的线条无论其位置如何 ,它们的贡献会被叠加在一起 ,集中地反映在通过频谱中心垂直于原线条方向的条带上 .这一现象被称为傅氏变换幅度谱的自配准性质 .首先对这一性质进行实验个例的研究和理论分析 ,然后设计算法将其应用于图象的纹理辨识和基于纹理的图象分割实验 ,取得了较为满意的效果 .实验证明 ,得益于自配准性质 ,傅氏变换方法不失为一种有潜力的纹理分析和图象分割方法 ,值得进一步扩展更多的图象应用领域     

基于离散平稳小波变换和FCM的纹理图像分割

采用离散平稳小波变换对纹理图像进行分解,以各层小波系数中能量为特征相向量,采用模糊c-均值聚类（FCM）对图像分割,并对分割方法进行了改进,提出采用网格法,将图像分解成若干子图像,对图像进行粗分割,再对边缘部分的网格进行细分的两步分割法。试验结果表明该方法显著提高了分割速度和精度。     

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。     

一种基于纹理模式的汽车牌照定位方法

针对车牌区域内字符串具有丰富的纹理特征,采用纹理模式分析方法,充分利用这些纹理特征,突出车牌区域,削弱伪车牌区域。提出了一种基于纹理模式的车牌定位方法。试验结果表明,此方法能较准确地定位车牌,便于进一步的车牌字符分割。     

无监督纹理遥感图像分形分割仿真

针对无监督纹理遥感图像分形分割时,仅利用光谱信息,没有充分利用遥感图像中的纹理信息造成过分割或是欠分割的问题,提出结合光谱信息和纹理信息的无监督遥感图像分形分割方法。方法首先借助于双边滤波算法建立双边滤波模型,对无监督遥感图像进行平滑处理,利用边缘检测算子获取无监督遥感图像的纹理梯度和光谱梯度,保留遥感图像的纹理信息。将图像纹理梯度和光谱梯度的内积范数作为K-means算法的距离测度,针对K-means算法易陷入局部寻优问题,将遗传算法与K-means算法相结合实现全局寻优,完成无监督纹理遥感图像分形分割。通过在高分辨率遥感图像上的分割对比实验,证明上述方法能充分利用遥感图像的光谱和纹理信息,分割效果良好。     

基于纹理方向的描述和对具有方向性纹理图象的分类与分割

为进一步进行纹理特征分析，从纹理的方向性入手，给出了纹理方向的数学定义式，合理选择差异函数，构造了具有物理意义的纹理方向描述特征向量，数据处理方面，运用模糊贴近度的概念，结合改进后的属性均值聚类算法，对一类具有方向性的纹理图象进行分类与分割实验，取得了较好的结果，试验表明，该方法对纹理的方向性有很好的描述能力。     

Texture segmentation using wavelet transform

Texture analysis such as segmentation and classification plays a vital role in computer vision and pattern recognition and is widely applied to many areas such as industrial automation, bio-medical image processing and remote sensing. This paper describes a novel technique of feature extraction for characterization and segmentation of texture at multiple scales based on block by block comparison of wavelet co-occurrence features. The performance of this segmentation algorithm is superior to traditional single resolution techniques such as texture spectrum, co-occurrences, local linear transforms, etc. The results of the proposed algorithm are found to be satisfactory.     

Texture classification and segmentation using wavelet packet frame and Gaussian mixture model

In this paper, we propose a scheme for texture classification and segmentation. The methodology involves an extraction of texture features using the wavelet packet frame decomposition. This is followed by a Gaussian-mixture-based classifier which assigns each pixel to the class. Each subnet of the classifier is modeled by a Gaussian mixture model and each texture image is assigned to the class to which pixels of the image most belong. This scheme shows high recognition accuracy in the classification of Brodatz texture images. It can also be expanded to an unsupervised texture segmentation using a Kullback-Leibler divergence between two Gaussian mixtures. The proposed method was successfully applied to Brodatz mosaic image segmentation and fabric defect detection.     

基于EMD分解的四元数域无监督纹理分割

提出了一种基于EMD分解的四元数域无监督纹理分割方法。首先采用二维可分离EMD分解提高各图像成份的四元数Fourier频域特征的分离度，再使用四元数Gabor滤波器组进行解析特征提取，最后利用新的模糊c均值聚类评价函数实现无监督的纹理分割。实验结果验证了该方法的有效性。