一种自然纹理图像生成的新方法

提出了一种新的自然纹理图像生成方法 ,对传统的纹理图像统计模型和结构模型进行了改进 ,能够用来模拟和生成多种自然景物的纹理图像 .实验结果证明 ,该方法能有效地产生具有真实感的自然纹理图像     

图像纹理特征挖掘*

借助数据挖掘方法在图像中的应用,提出了一种利用图像降阶结合基元模式匹配对纹理特征进行挖掘的新思路。采用关联规则挖掘算法对图像纹理的频繁模式进行挖掘,通过联合关联规则来表达纹理。实验结果显示,挖掘出的关联规则不仅能够表达规则纹理,而且能够较好地表达随机纹理。     

基于颜色和纹理特征的遥感图像检索

针对单一特征遥感图像检索的局限性和传统综合特征检索方法计算复杂度高的问题,提出了一种基于纹理特征和颜色特征的遥感图像的检索。在分析了现存遥感图像的检索方法后,得出了用颜色特征及Gabor小波提取出的纹理特征进行图像检索的总体思路。设计了一组多尺度和多方向的滤波器组,优化并选择滤波器组的各参数。首先对图像进行滤波,然后再进行纹理特征的提取,最后用颜色直方图对遥感图像进行颜色特征提取,最终将融合这两种图像特征,设计并实现一个基于颜色特征和Gabor小波纹理特征的图像检索原型系统。在进行图像检索时将纹理特征和颜色特征融合对图像库进行图像检索。由实验结果表明,所提出的方法是有效的。     

基于纹理-形状特征的图像检索技术

图像数据库应用日益广泛,如何高效、准确地进行图像的检索成为一项重要的研究领域。传统的图像检索主要依赖颜色、纹理、形状、空间关系等单一视觉特征,检索效果往往不够理想。针对这一实际问题,提出一种新的图像检索方法,通过对图像进行小波变换,获得纹理和形状的综合特征,对综合特征进行归一化处理,并将其作为图像相似性的衡量依据。实验证明基于纹理和形状特征的图像检索具有很好的效果。     

基于特征加权的自然纹理FCM聚类分割算法

为了实现自然材质的纹理分割,根据自然纹理的弱规则性特点,提出一种由图像灰度值、灰度分布统计及图像纹理能量统计作为纹理表征的特征参数,并组成三维特征矢量以实现自然纹理分割的算法。考虑到样本不同特征值对分类的不同影响,算法中引入了特征加权的FCM模糊聚类方法以提高各特征参数在聚类约束力上的可控制性,从而实现纹理图像的更有效分割效果。实验证明,该方法简单高效、可控性强,对各种自然纹理图像具有较好的纹理分割效果。     

基于特征加权的自然纹理FCM聚类分割算法

为了实现自然材质的纹理分割,根据自然纹理的弱规则性特点,提出一种由图像灰度值、灰度分布统计及图像纹理能量统计作为纹理表征的特征参数,并组成三维特征矢量以实现自然纹理分割的算法。考虑到样本不同特征值对分类的不同影响,算法中引入了特征加权的FCM模糊聚类方法以提高各特征参数在聚类约束力上的可控制性,从而实现纹理图像的更有效分割效果。实验证明,该方法简单高效、可控性强,对各种自然纹理图像具有较好的纹理分割效果。     

基于图像纹理特征的虚假数字水印*

提出了一种基于图像分割和小波变换的数字水印算法。该算法根据载体图像所分割区域内的纹理特征,运用模糊控制决定嵌入的系数,并利用小波变换嵌入水印变换后的信息,最后提取并检测水印信息。实验结果表明这个算法取得了良好的效果。     

基于纹理的图像检索

基于特征的图像检索在多媒体数据库管理和多媒体通信传输中得到越来越多的重视。介绍了基于纹理特征的特征提取方法 ,并对提取出的特征进行维数缩减。对真实图像库的检索实验表明 ,用此方法检索出的图像更符合人的视觉特性。     

基于纹理特征与BP神经网络的一类图像检索

1 引言随着网络通信及多媒体技术的发展,特别是因特网的广泛应用,图像作为一种越来越重要的信息载体得到了广泛的应用。融合图像理解技术,直接针对静止图像或视频帧的图像特征进行处理,在高度信息化的今天,已成为内容图像库中图像信息组织和管理不可     

基于纹理-形状-中心特征的图像检索

随着多媒体技术的发展,大容量的图像库得到了广泛的应用,基于内容的图像检索(CBIR)在多媒体图像库管理和检索中得到了越来越多的重视。传统的图像检索主要依赖颜色、纹理、形状、空间关系等单一视觉特征,检索效果往往不够理想。针对这一实际问题,首先分别介绍了基于纹理、基于形状与基于中心特征的三种图像检索方法,并在此基础上提出了综合利用以上三种特征共同进行检索的方法。通过对真实图像库的检索试验表明,综合三种特征的检索比单一特征检索更符合人的视觉感受要求,因而检索效果更好。     

改进的基于纹理特征的图像配准算法

针对图像纹理规则性与重复性及图像起始纹理分布的不一致性,依据VE4000检测系统的纹理特征配准算法达到配准目的。该算法自行设计标准单一模板,对单一模板进行裁剪与拼接技术达到了图像配准的目的,但是配准效果较差,在此基础上提出了改进的纹理特征配准算法,重新设计模板,拼接生成标准的参考图像,对参考图像进行匹配与裁剪以获取不同配准图像。实验结果证明,改进的基于纹理特征的配准算法运行时间短,配准误差小,能够很好满足缺陷检测的配准需求。     

基于纹理特征的自适应图像修复算法

为了解决基于样本图像修复算法对纹理部分的修复易产生误差累计的问题,提高图像修复的准确性,对优先值计算公式进行了修正,通过引入调节因子α调整填充边缘优先级顺序,使算法在修复过程中对图像纹理细节的部分较为敏感;利用图像的小波系数估计图像的平均细节能量值,自适应地调节α因子,从而实现对不同纹理程度的图像自适当地调整修复策略,并通过实验证明了算法的有效性。     

图像纹理特征数据挖掘的不确定性分析

不确定性分析是数据挖掘与知识发现的重要内容,对图像纹理特征数据挖掘的基本原理进行了分析、解释,从问题的求解、数据的产生、挖掘的过程以及最终的结果等几个角度分析了图像纹理特征数据挖掘中的不确定性,并讨论了目前不确定性问题分析与处理的若干方法,引入不确定性分析的有力工具--云模型,研究图像纹理特征数据挖掘中的不确定性,并给出了实验结果及分析.     

Automatic texture feature selection for image pixel classification

Pixel-based texture classifiers and segmenters are typically based on the combination of texture feature extraction methods that belong to a single family (e.g., Gabor filters). However, combining texture methods from different families has proven to produce better classification results both quantitatively and qualitatively. Given a set of multiple texture feature extraction methods from different families, this paper presents a new texture feature selection scheme that automatically determines a reduced subset of methods whose integration produces classification results comparable to those obtained when all the available methods are integrated, but with a significantly lower computational cost. Experiments with both Brodatz and real outdoor images show that the proposed selection scheme is more advantageous than well-known general purpose feature selection algorithms applied to the same problem.     

基于小波变换的图像纹理特征提取技术

纹理是一种区域特征,是对于图像各像元之间的空间分布的一种描述.由于纹理能充分利用图像信息,无论从理论上或常识上出发它都显然应该成为描述与识别图像的重要依据,同时与其它图像特征相比,它似乎能更好地兼顾图像宏观性质与细微结构两个方面,因此纹理分析成为图像分析的重要手段.它被广泛的应用于气象云图分析、卫星遥感图像分析、机器人视觉、工业监控、场景分析、辅助医疗、生物组织和细胞的显微镜照片分析和军事目标分析等诸多领域.     

结合纹理特征分析的图像风格转换网络

针对图像风格转换效率不高、效果不佳的问题,提出一种结合图像纹理特征分析,并基于预训练网络的前馈残差图像风格转换算法。该算法利用预训练深层网络来提取风格图的深度特征,采用残差网络来进行深层训练以及进行图像变换;同时通过分析研究输入风格图与内容图的纹理特征对转换效果的影响,针对不同输入图像采取相应的处理方法来提升转换效果。实验结果表明,与现有深度图像风格转换算法相比,该算法的输出视觉效果更佳,归一化风格损失更小,耗时更短,并且根据输入图像的信息熵与不变矩的计算来指导网络参数的设定与调整,能够针对性地优化网络,取得了良好的效果。     

基于加强的前景图像纹理的图像检索方法

针对人们对前景图像比较敏感的特性,提出了一种加强前景信息并弱化背景信息的新方法.该方法首先通过图像的阈值得到前景图像与背景图像,利用某个值加强前景并弱化背景,结合原始图像提取纹理特征,从而进行图像检索.对真实图像数据库的检索实验表明,该方法与其他基于纹理的方法相比,具有较好的检索效果和性能.     

一种织物彩色图像的分割算法

提出了一种针对织物彩色图像的分割算法。该算法在颜色聚类的基础上,把每种颜色用 不同的序号来表示,生成一个与原图同大小的序号矩阵,然后根据矩阵中序号的分布进行初始分割并 产生种子区域,再把初始分割未能确定的像素指派到种子区域中,最后根据颜色信息合并过分割的区 域,并对区域边缘进行平滑,得到最终的分割结果。实验表明,该算法能较有效地实现各类彩色织物 图像的分割。     

基于Gabor 变换的GrabCut 纹理图像分割

多数自然图像都包含纹理信息, 它相对颜色特征而言具有描述方向性与尺度差异的特性. 因此, 可以利用半交互式的GrabCut 的图像分割方式对图像前景区域与背景区域进行有效的分割, 通过建立前景和背景所对应的高斯混合模型(GMM), 结合最大流最小割的图像分割方式实现全局优化, 并利用前景和背景的KL 测度, 自适应地终止分割过程. 实验对比分析表明, 所提出的方法对于合成纹理图像与自然纹理图像具有较好的整体分割效果及较高的分割准确率.

     

基于SVM算法和纹理特征提取的遥感图像分类

遥感图像分类是遥感图像处理领域中的一个重要的研究方向,传统的遥感图像分类方法根据像素值进行分类,忽视了遥感影像中丰富的纹理特征信息.小波分析通过引入宽度可变的窗口,可以同时对信号的局部信息进行频率域和时间域的变换.小波分析算法可以有效地提取出图像中的纹理特征信息.支持向量机算法是20世纪90年代提出的一种新的机器学习算法,通常被用来进行模式识别和分类.结合小波纹理提取算法,利用支持向量机进行遥感图像分类.研究结果表明,结合纹理特征的支持向量机分类的效果优于直接对灰度图像进行分类.