基于概率纹理模型的纹理分割方法分析

基于最优小波包基的纹理自适应概率模型通过优选小波包基来区分不同纹理,具有纹理描述更准确的优点。研究基于纹理自适应描述的邻域分割法,通过实验分析了纹理概率模型和邻域分割法对分割效果影响的主次关系。实验结果表明邻域分割法是分割取得好效果（分割错误率低于1．34％）的主要影响因素,概率模型对分割效果的作用是次要因素。这一结论的得出将有利于对该方法的改进。     

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。     

应用谱直方图和EM的纹理图像分割算法

提出了一种基于谱直方图和EM的纹理图像分割算法。为了获得图像的纹理特征,首先对原始图像进行滤波,然后利用谱直方图的思想和方法,把每个图像子块用独立的谱直方图来进行表示,该直方图在图像的表示上具有很好的本质扩展性。其次采用?字2作为距离度量函数对谱直方图进行计算得到特征值。为了得到初始分割结果,通过EM（期望最大化）对特征值矩阵进行分类,得到有效的初始分割结果。最后使用形态学方法对边界进行定位,从而实现图像的由粗到细的分割。实验结果证明：该算法用于纹理图像分割能获得很好的效果。     

基于人类视觉特性的纹理分割方法

纹理分割是将一幅图像依据纹理不同分成若干个不同的区域,目前广泛采用的是利用滤波器族(如Gabor)对图像进行分解。但由于图像纹理表现的各异性,通常在滤波器参数的选择上不能做到自适应,导致提取的特征不明显,分类效果不好,使用范围受限。文中提出了一种基于人类视觉系统(Human Visual System,HVS)机理的纹理分割方法,不但可以模拟人类观察纹理直觉处理阶段确定纹理区的个数并且粗略地划分区域,而且可以模拟专注处理阶段自动选择Gabor滤波器的个数及参数。该算法符合HVS区分纹理机理,计算过程简单、方便。针对各纹理选取的特征明显,分类效果好。     

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。     

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。     

一种基于纹理的快速车辆牌照分割方法

主要针对车辆牌照自动识别系统中的一个重要功能块——车牌分割，提出了一种基于车牌字符串纹理特性的车牌快速定位方法。试验结果表明，此方法快速地搜索车牌并准确定位，便于下一步的字符分割和识别。     

一类新的纹理谱描述子

在纹理元的基础上提出了一类新的纹理谱描述子,新的纹理谱描述子在3个方面作了改进：将像素的灰度差量化为4个值;量化区间根据纹理对比度自动确定,并保证量化值具有灰度线性不变性;利用相关性弱的8邻域像素构建纹理谱描述子,从而降低了纹理谱维数。定义了基于新的纹理谱描述子的光照、旋转不变性纹理特征。利用该特征对Outex纹理进行光照、旋转不变性分类,分类准确率高于基于局部二值模式的光照、旋转不变性纹理特征。     

纹理图像的局部区域提取方法

纹理分析是图像处理与识别的重点和难点之一。综合运用数字图像处理和计算机视觉技术,应用VC++开发环境,以竹材横截面细胞壁晶区为具体研究对象,通过应用各种结构微型窗口,比较近距离点之间像素值的方法将图像进行分割,再运用数学形态学的方法对图像进行增强处理,将人们感兴趣的区域孤立出来,以方便对所需区域进行形状描述、收集信息和求取图像特征参数。所开发的程序可以取得较好的纹理分析效果,其界面友好、使用方便。     

一种新的复杂纹理图像的去噪方法

针对目前复杂纹理图像去噪与保细节的矛盾,并结合以往的时域模板平滑去噪方法,提出了一种新的基于纹理分析的纹理图像去噪方法。该方法首先提出了在去噪之前应进行纹理分析,从而确定图像各个区域的纹理复杂情况;之后,又提出了使用多尺度多方向的时域模板,即根据纹理细节复杂与否来选取模板类型,并且,利用方差大小来决定细节丰富区域的线形模板方向的选取,从而增强了图像细节的保留效果。本方法运算快捷,去噪效果良好。     

基于谱直方图和SOFM网络的纹理分类

提出了一种基于纹理谱直方图和自组织特征映射网络的纹理分类方法。引入像素的八近邻离散付氏变换犤5犦,随机选取局部纹理区域,计算所选纹理区域的纹理谱并量化得到谱直方图,将其作为自组织特征映射(SOFM)网络的特征模式输入并训练网络。训练结束后的拓扑输出层对应于纹理的不同类别。算法简单有效,对6类Brodatz纹理进行测试,得到了良好的分类效果。     

遥感影像纹理分析方法综述与展望

遥感影像的纹理分析已经成为一种重要的提高遥感影像分类精度的手段。着重介绍了用于遥感影像纹理分析的方法,对这些方法进行了分类和综合;这些方法的类别是:统计方法、结构方法、模型方法以及基于数学变换的方法。接着分别对各类别中的多种纹理分析方法进行了剖析,列举各自的纹理特征,并指出了这些方法的优缺点和适应性。然后对应用这些方法的影像分类效果做了对比分析。最后分析了遥感影像纹理分析近年来的发展方向并对未来发展进行了展望。     

利用相位一致性实现纹理分类的方法

提出了一种利用相位一致性(Phase Congruency,PC)实现纹理分类的方法。首先计算图像的PC值,然后将连续的PC值离散化,接着统计离散化PC值的直方图,最后将该直方图作为特征来实现对纹理图像的分类。PC值的直方图反映的是一种全局特征,因此可以将该方法与局部二元模式方法(Local Binary Pattern,LBP)相结合来提高纹理分类性能。在Outex、Brodatz以及CUReT纹理数据库上的实验表明,提出的方法与LBP结合后可以得到更好的纹理分类结果。PC值对噪声具有良好的抗干扰能力,实验表明,提出的方法在噪声情形下对纹理分类也具有较高的鲁棒性。     

一种基于主矢量集的纹理图象分析方法

描述了一种基于多维纹理主矢量集与相应能量集的纹理图象表示及分析方法,并给出了由纺理图象求得主矢量集及相应能量集的计算过程,为了将该方法用于纹理识别及分析,文中讨论了在上述表示时,纹理图象的相似度度量,给出结构误差及能量的计算公式及两种计算结构误差、能量主总误差的算法,最后给出了用上述方法由计算机对Ｂｒｏｄａｒｚ的自然纹理图象及人工合成的规则纹理图象分析的实验结果,并与共发矩阵法作了比较,实验表明该     

一种双正则项各向异性扩散的纹理去噪模型研究

为了有效滤除图像噪声,同时最大限度地保留图像纹理和边缘等细节信息,将多尺度几何分析方法和各向异性扩散模型结合,构建了一种采用双正则项各向异性扩散的反应扩散方程,并完成了目标函数的离散及其数值解收敛性证明.目标函数定义为以波原子、曲波变换后邻域内梯度值为参数的扩散控制函数,使扩散在图像信息丰富的纹理和边缘区域减弱,并通过反应项对扩散进行调节,以得到更好的平滑效果.实验结果证明,该方法较传统的反应扩散模型不仅能提高图像的信噪比,而且可以更好地保留图像边缘和纹理等细节信息.     

一种基于主动轮廓模型的心脏核磁共振图像分割方法

提出一种基于主动轮廓模型的左室壁内、外膜分割方法.首先构造了主动轮廓模型的广义法向有偏梯度矢量流外力模型GNBGVF,作为对梯度矢量流(GVF)的改进,该外力场同时保持了切线方向和法线方向有偏的扩散,具有捕捉范围大、抗噪能力强,且在弱边界泄漏等问题上性能突出.就左室壁内膜的分割而言,考虑到左室壁的近似为圆形的特点,引入了圆形约束的能量项,有利于克服由于图像灰度不均、乳突肌等而导致的局部极小.对于左室壁外膜的分割,采用内膜的分割结果初始化,即通过重新组合梯度分量来构造外力场.该外力场能够克服原始梯度矢量流的不足,使得左室壁外膜边缘很弱时也能得到保持,可以自动、准确地分割外膜.实验结果表明,该方法能高效准确地分割左室壁内、外膜.