激光雷达中基于组合纹理的低空风切变识别算法

针对不同的风切变在激光雷达图像上所呈现的不同纹理特性,提出了一种组合局部纹理特征和全局纹理特征的识别方法。先分别从激光雷达风切变图像中提取LBP特征和灰度-梯度共生矩阵特征,LBP特征反应图像的局部纹理,代表风场局部风速的变化,灰度-梯度共生矩阵特征反应图像的全局纹理,代表风场全局的风速变化,再通过典型相关分析对两种特征进行融合,最后采用最近邻分类器对三种风切变进行匹配识别。实验结果表明,该算法对三种低空风切变的平均识别率达到99.02%,与三种单一的纹理特征分类识别相比,分别提高了18.86%,5.88%和7.01%。     

一种多尺度灰度共生矩阵的纹理特征提取算法

纹理特征作为图像的一个重要特征,在国画分类识别中的地位十分重要,但现有的纹理提取算法大多基于灰度信息而忽略了颜色信息。针对国画分类识别中纹理提取算法存在的问题,本文提出了一种多尺度、多色域的纹理特征提取算法,该算法结合了轮廓波变换和灰度共生矩阵的优点。为了对国画进行特征提取,该算法首先将国画图像转变到HSI色彩空间。然后,提取色调、饱和度、强度这三个色彩分量进行分区域操作,即提取每一个色彩分量的纹理特征。最后,将提取的3个特征向量融合并进行主成分分析降维。实验证明,与灰度共生矩阵相比,本文算法在国画分类识别方面查准率提高了7.5%,查全率提高了8.7%。实验表明多尺度灰度共生矩阵算法优于传统的灰度共生矩阵算法。     

一种基于图像处理的背景分类方法

针对各类背景图像在纹理特征上的不同,提出一种基于灰度共生矩阵和主成分分析的背景图像分类方法.在合理构造灰度共生矩阵的基础上,提取14个GLCM纹理特征值,然后对其进行主成分分析得到纹理综合特征函数.实验表明,纹理综合特征函数能够有效对不同类背景图像进行分类.     

基于BP神经网络的玻璃缺陷识别技术研究

为了准确、快速地对玻璃质量进行分类,提出一种基于BP神经网络的玻璃缺陷识别方法。由于不变矩与灰度共生矩阵分别可以描述图像的形状与纹理,在分析了缺陷灰度图像特点的基础上,将图像的纹理特征和不变矩特征融合,综合提取出一个分类能力更强的特征向量,再使用一个拟牛顿改进算法的三层前向BP网络。作为分类器,对常见的玻璃缺陷进行了识别。通过实验对比该方法和传统的单一特征识别法,证明该方法不仅具有更高的识别率,并且实时性较好,为玻璃缺陷的自动识别提供了一种新的途径。     

基于GLCM算法的图像纹理特征分析

深入研究灰度共生矩阵(GLCM,Gray Level Co-occurrence Matrix)算法,说明基于灰度共生矩阵的14个纹理特征具体意义,指出纹理特征之间存在冗余性。通过对纹理图像的灰度共生矩阵的计算分析和纹理特征提取实验,表明灰度共生矩阵能够反应图像的特点,与纹理特征描述图像的特点相对应,同时,图像的14个纹理特征之间存在一定程度的冗余,实际中可以根据图像纹理特征的差异,选择几个显著的纹理特征对图像进行分类。纹理特征分析和实验结果对图像纹理特征的应用具有普遍的指导意义。     

一种基于小波纹理特征的目标检测方法

给出了一种利用小波分块分解和灰度共生矩阵特征来提取目标的方法。首先对图像进行分块小波变换,然后求分块灰度共生矩阵并且计算小波共生矩阵特征向量,选取纹理特征最大的作为种子区域;最后利用均值聚类的方法进行目标标记。实验结果证明,能够检测红外和可见光图像中各种类型的目标。     

基于灰度共生矩阵的图像分割方法研究

图像分割技术广泛应用于工业生产、生物医学图像分析、军事应用等方面。文中着重阐述了灰度共生矩阵的原理及特点,进行了基于灰度共生矩阵的纹理特征提取试验。采用加权欧式距离方法,对图像的特征值进行分类识别,实现对纹理图像区域的划分,然后利用聚类分析等方法对纹理区域进行融合,以达到实现图像分割的目的。试验表明,利用基于灰度共生矩阵的方法,实现对图像的分割具有一定的准确性和实用性,并能较好的实现图像分割效果。     

基于灰度共生矩的SAR图像纹理特征提取方法

为更有效地提取合成孔径雷达（SAR）图像中的有效信息,提出了一种基于灰度共生矩阵的纹理特征提取方法。该方法在分析图像灰度共生矩常用特征描述量基础上,研究了窗口尺寸和位移向量对纹理特征的影响,通过比较不同目标各种纹理特征的分布及平均值的相差程度,计算了灰度共生矩阵的最佳窗口尺寸和位移向量,确定参与分类的可用纹理特征组合,...     

基于GLCM和EM算法的纹理图像分割

基于纹理图像的特征,提出了基于灰度共生矩阵（GLCM）和快速极大似然估计（EM）算法相结合的纹理图像分割新算法,为了获得较好的纹理图像分割结果该算法采用灰度共生矩阵的三个常用特征并在四个方向上求平均,从而克服了方向的影响。采用欧式距离度量函数求得两特征向量的距离。通过用改进EM算法对距离矩阵进行聚类,得到纹理图像的初始分割结果,最后用形态学的方法实现对纹理图像边界的精确定位。     

基于灰度共生矩阵的笔迹识别

把手写笔迹作为一种纹理来看待,利用图像纹理处理技术和数学方法对笔迹的纹理特征进行提取鉴别,将笔迹识别问题转化为纹理识别。论文使用20个人的不同笔迹进行实验,采用灰度共生矩阵来提取这些笔迹的纹理特征,用夹角余弦相似度算法完成识别工作,取得了较好的效果。     

基于Gabor和灰度共生矩阵混合特征叶片泵装配质量检测

本文提出一种Gabor和灰度共生矩阵相结合的特征来检测叶片泵中叶片装配质量的方法。首先构建叶片图像数据集,用5种尺度的和4种方向的Gabor滤波器对图像滤波,根据滤波后的图像计算得到幅值特征图,然后提取幅值特征图的灰度共生矩阵特征,最后融合归一化各个幅值特征图提取到的特征,利用主成分分析法降维,并用这些特征向量训练支持向量机(SVM)分类器,实现对叶片装配质量的评估。将本文提出的混合特征与LBP特征、灰度共生矩阵分别进行了比较得到的分类效果约提高了约10%。基于Gabor和灰度共生矩阵混合特征的叶片装配质量检测准确率提升到了93%。实验结果表明Gabor特征和灰度共生矩阵结合后能够很好从多尺度、多方向上提取图像的纹理特征,并应用于图像分类取得了良好的效果,在一些图像识别上有很宽广的应用前景。     

夜视图像自动彩色化源图选择算法

研究可供夜视图像进行色彩传递的自然彩色源图选择算法。利用Gabor滤波器能够模拟生物视觉的特性以及夜视图像的纹理特征,对结合Gabor滤波器和灰度共生矩阵源图检索算法做出了改进,提出了一种结合Gabor滤波器和灰度梯度共生矩阵的源图选择算法。最后对这两种算法和亮度梯度二次采样算法进行了比较,实验结果证明,改进的算法远远优于其他两个,减少了图像色彩传递应用过程的人工干预程度,大大提高了自动化水平。     

基于“灰度-梯度共生矩阵”的最大条件熵阈值法

基于“灰度-梯度共生矩阵”模型,在现有最大条件熵图像阈值法的基础,引入加权系数进行改进。为了解决权值选取问题,以图像分割质量评价的均匀性测度为评价指标,采用自适应粒子群算法对权系数进行优化选择,进而获得最优的分割阈值。实验结果表明,与二雏最大熵、最大条件熵算法相比,该方法能够获得更佳的分割结果。     

基于灰度—梯度共生矩阵的图像型垃圾邮件识别方法

为了逃避基于文本的垃圾邮件系统的检测,越来越多的垃圾邮件制造者将文本信息嵌入到图像中。为了有效地检测出图像型垃圾邮件,提出了一种基于灰度—梯度共生矩阵(GGCM, gray-gradient co-occurrence matrix)的图像型垃圾邮件识别方法。先通过灰度—梯度共生矩阵提取图像的特征信息,然后运用最小二乘支持向量机（LS-SVM, least squares support vector machines）进行分类。实验表明,该方法具有较高的分类精度和较好的实时性。     

脑部CT图像的三维重建及纹理特征研究

本文提出了一种使用灰度共生矩阵提取三维重建后的脑部图像的三维纹理特征的方法。分别对10组正常脑部CT图像与10组脑瘤患者的脑部CT图像进行了去噪和增强的预处理,并进行了三维重建,随后使用了灰度共生矩阵的方法对重建出的模型进行了纹理特征的提取。计算26个方向的能量、熵、惯性矩和相关性,并进行统计分析。结果证明,此方案提取的特征值在统计分析中存在差异,并且正常大脑与患病大脑的特征值形成了对比,对脑室内肿瘤的诊断具有重要价值。     

基于深度卷积神经网络的多特征融合的手势识别

针对传统的分类方法由于提取的特征比较单一或者分类器结构过于简单,导致手语识别率较低的问题,本文将深度卷积神经网络架构作为分类器与多特征融合算法进行结合,通过使用纹理特征结合形状特征做到有效识别。首先纹理特征通过LBP、卷积神经网络和灰度共生矩阵方法得到,其中形状特征向量由Hu氏不变量和傅里叶级数组成。为了避免过拟合现象,使用"dropout"方法训练深度卷积神经网络。这种基于深度卷积神经网络的多特征融合的手语识别方法,在"hand"数据库中,对32种势的识别率为97.73%。相比一般的手语识别方法,此方法鲁棒性更强,并且识别率更高。     

基于时频图像和高次频谱特征的雷达信号识别

针对低信噪比下雷达信号识别准确率较低的问题,提出了一种基于时频图像和高次频谱特征联合的雷达信号识别算法。该算法首先对信号采用Choi-Williams分布(Choi-Williams distribution,CWD)变换获取时频图像,接着对时频图预处理并用灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取纹理特征;然后利用对称Holder系数提取信号的高次频谱特征;再将纹理特征和高次频谱特征构成一组联合特征向量,最后通过支持向量机(support vector machine,SVM)实现雷达信号的分类识别。通过对8种典型雷达信号进行实验,结果表明本算法在信噪比为-8 dB时,不同信号的识别准确率能达到90%以上。     

基于方块编码的图像纹理特征提取及检索算法

针对灰度共生矩阵（GLCM）在提取纹理特征时存在的问题,提出一种基于方块编码（BTC）的图像纹理特征的检索算法。首先将图像分成互不重叠的子图像块,然后利用BTC的思想对这些图像块进行编码,进而定义图像的纹理基元并以此作为对图像的纹理描述,并提出采用一种改进的基于纹理基元的共生矩阵来获取纹理特征。实验结果表明,该方法既有效地利用了图像的纹理信息,又考虑了图像的空间和形状信息,具有较好的检索效果。