一种基于Wedgelet变换的遥感图像分类算法

介绍了一种基于Wedgelel(楔波)变换的遥感图像分类算法.该算法将多尺度Wedgelet变换应用于遥感图像区域分割,在此基础上提取各分割区域的Gabor纹理特征实现对遥感图像的分类.为了检验该算法的可行性,将其应用于向海和查干湖遥感图像,并与灰度共生矩阵、高斯马尔科夫随机场等纹理分类算法进行了比较.结果表明,该算法要优于灰度共生矩阵及高斯马尔科夫随机场分类算法,能够得到较高的分类精度和Kappa系数.     

基于多尺度多方向Gabor模板的光学/SAR景象匹配

合成孔径雷达(SAR)成像制导通常采用光学基准图和SAR实时图进行特征提取和景象匹配.提出了一种光学/SAR异类影像匹配方法,利用多尺度多方向Gabor模板提取图像的Gabor特征后进行特征匹配,首先对SAR图像进行方向Frost滤波预处理,然后分别计算光学图像和SAR图像的高斯梯度图像,再利用多尺度多方向二维Gabor滤波器模板分别对两幅高斯梯度图像进行特征提取,最后对两组特征矩阵进行归一化互相关匹配.该方法直接利用光学图像和SAR实时图进行景象匹配,实验表明,该异类影像匹配方法较其他传统方法具有较高的鲁棒性和准确性.     

融合LBP与GLCM的人群密度分类算法

针对中高密度人群图像检测分类对公共安全的重要性,提出融合局部二值模式LBP与灰度共生矩阵GLCM特征提取的人群密度分类方法。首先用旋转不变的LBP算子进行滤波,得到LBP图像,然后提取滤波后图像的GLCM特征,这样既可以避免LBP算子特征降维带来的损失,又能充分利用LBP和GLCM纹理特征提取的有效性,最后采用有向无环图支持向量机DAGSVM进行密度分类。在Pets2009基准数据库中的实验结果显示该算法具有较高的准确率。     

基于2-DGabor滤波器的光学定穴体表特征提取方法

取穴准确性是决定针灸效果的最基本要求,这就需要对取穴体表特征进行精确地定位。文中提出一种新的人体体表特征定位的光学方法,在光学检测平台上通过相机采集不同方向的图像,选取合适的Gabor 滤波器参数,得到图像的强度响应并提取局部极大值,从而获得定穴体表轮廓特征。为验证该方法的有效性和精度,采用Sobel 算子、Canny 算子、LoG 算子以及Gabor 滤波器分别对灰度图像和二值图像进行特征提取。通过对比和分析,发现经过Gabor 函数滤波后得到的图像轮廓是连续且最清晰的;Gabor 函数对二值图像的滤波效果优于对灰度图像。实验结果表明,所提出的方法能精确快速地定位体表轮廓特征,为进一步利用轮廓特征提取定穴体表特征点以及研究穴位光学定位方法奠定基础。     

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。     

基于最优Gabor滤波与局部二值模式的物体表面缺陷检测

通过对物体表面缺陷的研究,提出一种新的缺陷检测方法。该方法首先利用Gabor滤波器组得到多尺度多方向的滤波图像,通过代价函数选取缺陷与非缺陷局部反差最大的图像通道作为最优滤波通道,在最优通道上用LBP算子进一步提取局部特征,最后用支持向量机对其进行分类检测。该方法应用于织布瑕疵和钕磁铁表面缺陷检测,与传统的Gabor滤波器等表面缺陷检测方法相比,具有更高的检测率。     

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。     

多方向多尺度Gabor特征表示及其匹配算法

Gabor滤波是众所周知的一类特征提取方法,在机器视觉等领域得到了广泛研究和应用.本文提出了一种多方向多尺度Gabor特征表示、提取以及其匹配算法.多方向多尺度Gabor特征通过使用一组不同尺度和不同方向的Gabor滤波器对图像进行滤波,而后将滤波结果在各个滤波方向按尺度大小排序后连接而成.本文进一步提出了循环向量的概念,并将两个多方向多尺度Gabor特征相似度重新定义为一个多方向多尺度Gabor特征和对应的多个循环向量之间最大值.实验结果表明,本文提出的多方向多尺度Gabor特征不仅具有平移不变性、旋转不变性、尺度不变性,也展现出优秀的局部特征表示能力以及显著的鉴别力.     

基于混合Gabor滤波器与加权中心对称LBP的掌纹识别

掌纹识别是一种比较新颖的生物特征识别技术,提 取最佳分类特征一直是掌纹识别研究领域的一个重要方向。掌纹图像纹理特征丰富,但传统 方法难以准确将其表征。针对此问题,将固定尺度及自适应多尺度Gabor滤波器结合起来, 提出基于混合Gabor滤波器与加权中心对称局部二值模式(weighted center symmetric loca l binary pattern,WCS-LBP)的掌纹识别方法。首先,利用混合Gabor滤波器对掌纹感兴趣 区域进行滤波得到特征图像,并将其串联在掌纹特征空间;然后,使用WCS-LBP提取该空间 掌纹特征形成特征向量;最后,通过匹配WCS-LBP直方图序列的相似度来实现分类。在Poly U图库、同济大学图库、IIT-D图库和自建非接触图库中进行实验。结果显示,该算法获得 的识别率最高分别可达99.768%、99. 510%、99.091%和98.501%,最低等误率分别为 0.794%、1.235%、1.672%和2.339%,且识别时间都在1s以内,相比其他传统和流行算法具有优势 ,显示出方法良好的效果。     

基于Gabor变换的中文字符特征提取方法研究

针对传统汉字字符特征提取方法的不足,提出了一种基于Gabor变换,对图像纹理特征的方向性敏感的字符特征提取方法。先将灰度字体图像进行二值化、归一化处理,再利用Gabor滤波器进行滤波,获取图像的内部纹理特征和边缘信息,进而从不同方向进行特征提取。实验证明利用gabor变换计算中文字符图像的笔画方向特征,对中文字符具有较好的分类效果。     

A fast algorithm based on gray level co-occurrence matrix and Gabor feature for HEVC screen content coding

To reduce the computational complexity of screen content video coding (SCC), a fast algorithm based on gray level co-occurrence matrix and Gabor feature model for HEVC-SCC, denoted as GGM, is proposed in this paper. By studying the correlation of non-zero number in gray level co-occurrence matrix with different partitioning depth, the coding unit (CU) size of intra coding can be prejudged, which selectively skips the intra prediction process of CU in other depth. With Gabor filter, the edge information reflecting the features of screen content images to the human visual system (HVS) are extracted. According to Gabor feature, CUs are classified into natural content CUs (NCCUs), smooth screen content CUs (SSCUs) and complex screen content CUs (CSCUs), with which, the calculation and judgment of unnecessary intra prediction modes are skipped. Under all-intra (AI) configuration, experimental results show that the proposed algorithm GGM can achieve encoding time saving by 42.13% compared with SCM-8.3, and with only 1.85% bit-rate increasement.     

高分辨率星载SAR图像水上桥梁解译

该文提出一种高分辨率星载SAR图像水上桥梁解译方法。首先计算图像分类特征的纹理描述量,包括Gabor滤波器响应、树形小波参数和灰度共生矩阵。然后利用支持向量机对图像进行分类,将SAR图像分为低反射率区域、城市建筑区和植被覆盖区。在低反射率区域中,利用目标的形状、拓扑关系和目标与背景的灰度分布完成桥梁兴趣区检测。最后利用雷达成像参数和多次回波模型计算桥梁的方向、长度、宽度、水面高度、桥体厚度和正射投影位置。利用TerraSAR-X图像进行的实验表明了该方法的有效性。     

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。     

结合Gabor滤波器和ICA技术的纹理分类方法

提取有效的特征用于纹理描述和分类一直是纹理分析的难点.本文提出一种结合Gabor滤波器和ICA技术的纹理特征提取方法,即纹理图像首先经过Gabor滤波器组滤波,然后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PCA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纹理分类.通过与经典Gabor滤波器和ICA方法的对比实验,验证和评价了本文方法的性能.     

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WBCT与平滑共生矩阵的图像检索

利用WBCT变换良好的稀疏特性及其能准确地捕获图像中边缘信息的特性,分析了纹理图像WBCT系数的统计特征,提出了一种滤波算法。该算法根据纹理图像WBCT系数分布的特点,提取纹理特征。加入在低频子带上提取的灰度—平滑共生矩阵统计量,形成最终的特征向量。仿真实验结果表明,该方法在纹理图像检索上有一定的优越性。     

一种改进的半调图像分类算法

半调图像分类在逆半调过程中是非常关键的步骤。文献[1]提出的神经网络分类算法利用增强的一维相关性,可以对半调图像进行适当的分类,但分类精度不够高。在神经网络分类算法的基础上,通过计算图像的灰度共生矩阵,进而提取图像的纹理特征来对图像进行分类。实验表明,改进后的算法可提高分类的精度。     

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。     

Design-based texture feature fusion using Gabor filters and co-occurrence probabilities.

A design-based method to fuse Gabor filter and grey level co-occurrence probability (GLCP) features for improved texture recognition is presented. The fused feature set utilizes both the Gabor filter's capability of accurately capturing lower and mid-frequency texture information and the GLCP's capability in texture information relevant to higher frequency components. Evaluation methods include comparing feature space separability and comparing image segmentation classification rates. The fused feature sets are demonstrated to produce higher feature space separations, as well as higher segmentation accuracies relative to the individual feature sets. Fused feature sets also outperform individual feature sets for noisy images, across different noise magnitudes. The curse of dimensionality is demonstrated not to affect segmentation using the proposed the 48-dimensional fused feature set. Gabor magnitude responses produce higher segmentation accuracies than linearly normalized Gabor magnitude responses. Feature reduction using principal component analysis is acceptable for maintaining the segmentation performance, but feature reduction using the feature contrast method dramatically reduced the segmentation accuracy. Overall, the designed fused feature set is advocated as a means for improving texture segmentation performance.     

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。