基于各向异性分离的纹理图象分析及重构

纹理的各向异性特征（方向性）对于纹理分析有重要意义，基于各向同性和各向异性分离的思想，提出了一种用于方向性纹理分析和综合的多通道模型。分别从频域和空域研究了纹理图象的方向性及非方向性特征，导出了确定纹理主控方向的有效计算方法和残余图象的随机场模型逼近，并将分析所得的参数用于纹理的综合。实验结果和性能分析与比较证实了该方法的有效性和灵活性。     

基于纹理谱的纹理分割方法

纹理分析是图象处理中的一个重要领域。本文提出一种基于纹理谱特征分割纹理图象的方法。它首次将纹理谱特征与区域生长算法结合起来，从而实现了无监督的纹理分割。纹理谱特征具有对方向性敏感等优点，基于纹理谱的纹理图象分割取得了良好效果。     

各向异性纹理的图形参数化表征与综合

本文从纹理的图形参数化表征和综合的思想出发，提出了一种方向性纹理的多通道分析模型。分别从空域和频域研究了纹理图像的各向异性及各向同性特征，并导出了确定纹理主控方向的有效计算方法，和残余图像的随机场模型逼近。实现了纹理场的参数表征。该模型具有灵活、高效的优点，具有广泛的适用性。实验结果证实了该方法的有效性。     

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。     

图象纹理分析方法及发展（一）

本文系统地回顾了图象纹理分析的各种统计方法及其发展,介绍了目前使用在纹理分析中的重要统计方法:灰度差分法,滤波法,功率谱法,共生特征法,灰度游程法,自相关特征法,以及根据纹理随机模型、相对极值量度、象元素以及某些规则推导出的各种纹理统计分析方法。本文还讨论了各种方法之间的关系以及基本实施步骤。文末,对于各种方法的的精度及复杂性进行了比较与介绍,并指出了图象纹理研究近期一些成果及研究前景。     

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．     

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。     

一种新的结合纹理特征的SVM图象分割方法

本文提出了一种新的结合纹理特征的支持向量机图象分割方法,将纹理特征和灰度特征一起组成训练特征向量,利用支持向量机分类方法进行图象分割.该算法结合了纹理特征在图象描述中的重要意义和支持向量机方法在模式识别领域已表现出的优越性能,实验证明其在图象分割中取得了良好的效果.同时,当需要处理一批内容相似,感兴趣区域具有相同纹理、灰度特征的同类图象时,只需对其中一幅代表性的图象进行SVM训练,所产生的分类模型适用于所有该类图象,无需逐幅进行处理,大大简化了运算过程.     

基于复数小波域广义高斯分布模型的

由于在频域用能量参数来表示图像的特征矢量缺乏准确性,而且实数离散小波变换具有平移变化性和弱的方向选择性,为此针对以上问题提出了一种基于复数小波域广义高斯分布模型的纹理图像检索方法。该方法首先利用双树复数小波变换系数的统计特性来建立广义高斯分布的统计模型;然后基于该模型提取图像的特征矢量;最后利用KullbackLeibler distance(KLD)测度算法进行纹理图像检索。对Brodatz图像库的仿真表明,新方法较双树复数小波算法的查准率提高6.96%,较基于Gabor纹理特征检索法的查准率提高了18.8%。同时复数小波系数统计模型具有旋转不变性。新方法对今后的纹理图像检索具有重要的理论与实际意义。     

小波变换与纹理合成相结合的图像修复

目的 为了克服传统的图像修复算法在结构和纹理边界的错误修复,利用小波变换域的系数特征,探讨了一种基于小波变换与纹理合成相结合的修复算法。方法 算法先利用小波变换将待修复图像分解成具有不同分辨率的低频子图和高频子图,然后根据不同子图各自的特征分别进行修复。对代表图像结构信息的低频子图,采用FMM(fast marching method)算法进行修复;对代表图像纹理信息的高频子图,根据各子图中小波系数的特征,利用纹理合成方法进行修复。结果 分层、分类修复方法对边缘破损具有良好的修复效果,其峰值信噪比相比于传统算法提高了1~2 dB。结论 与相关算法相比,本文算法的综合修复能力较好,可以有效修复具有较强边缘和丰富纹理的破损图像,尤其对破损自然图像的修复,修复后图像质量得到较大提升,修复效果更符合人眼视觉效应。     

一种新的基于局部傅立叶级数的纹理描述子

纹理分析在图象分析和模式识别中起着非常重要的作用,而纹理描述又是其中一个基础的研究课题。由于均匀纹理其局部的灰度分布与空间关系在整体上具有周期性,因此可以用这种局部信息来很好地刻划不同纹理的差异。为了获得良好的纹理分类效果,利用象素点八近邻灰度之间的空间相关性,提出了用八近邻的傅立叶级数作为纹理刻划的新方法。该方法视象素点的八近邻为周期列,并首先通过计算其傅立叶级数,进而来得到整幅图象的局部傅立叶级数图,然后将通过对该傅立叶级数图幅值进行量化而获得的直方图作为纹理描述子（该纹理描述子具有平移旋转不变性）;最后用13种Brodatz纹理来进行分类。实验结果表明,该描述子具有良好的分类能力。     

基于复数小波域广义高斯分布模型的纹理图像检索

由于在频域用能量参数来表示图像的特征矢量缺乏准确性,而且实数离散小波变换具有平移变化性和弱的方向选择性,为此针对以上问题提出了一种基于复数小波域广义高斯分布模型的纹理图像检索方法。该方法首先利用双树复数小波变换系数的统计特性来建立广义高斯分布的统计模型;然后基于该模型提取图像的特征矢量;最后利用Kullback-Leibler distance(KLD)测度算法进行纹理图像检索。对Brodatz图像库的仿真表明,新方法较双树复数小波算法的查准率提高6.96%,较基于Gabor纹理特征检索法的查准率提高了18.8%。同时复数小波系数统计模型具有旋转不变性。新方法对今后的纹理图像检索具有重要的理论与实际意义。     

一种快速旋转不变图像检索新方法*

提出了一种新型快速旋转不变图像检索新方法.该方法首先对图像进行傅里叶变换和功率谱分解,提取功率谱的扇形区域能量和环形区域能量参数,并将其均值和标准差作为图像纹理特征.然后,利用谱能量分布特征把纹理的主方向旋转到0°,提取旋转后图像的共生矩阵参数和小波分解各子带图像统计参数作为基本特征.利用所提出的特征提取方法在两组分别包含25类单色自然纹理的图像库上进行检索试验.结果表明,该方法获得了良好的检索效果.     

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     

基于方向傅立叶谱的水面尾迹纹理提取

针对可见光航空遥感监测中,耀斑和云阴影等强噪音的干扰使水中目标很难直接发现,该文提出一种基于方向傅立叶能量谱和支持向量机的水面尾迹纹理自动提取算法,通过提取运动产生的尾迹实现对它们的准确识别。该算法将图像划分成大小相等的子图像,求取子图像的傅立叶能量谱,通过对传统的主成分分析进行改进求得子图像的纹理方向,根据纹理方向将能量谱划分为20个区域,将每个区域的能量谱和作为纹理特征。该纹理特征具有平移和旋转不变性等优点,并使用支持向量机作为分类器。实验结果表明该方法能够准确地提取运动目标产生的尾迹纹理。     

基于方向极傅里叶频谱2DPCA 的尾迹检测

针对航空图像中的水面尾迹, 提出了一种基于方向极傅里叶频谱二维主成分分析(Two-dimensional principal component analysis, 2DPCA)的尾迹自动检测算法. 该方法根据子图像的纹理方向, 对傅里叶频谱进行极坐标变换, 使得到的方向极傅里叶频谱具有平移和旋转不变性. 相对于文献中对极频谱的直接划分作为纹理特征, 本文对它进行一次列二维主成分分析, 一次行二维主成分分析和两次二维主成分分析, 实验结果表明本文方法具有更高的分类识别率, 其中两次二维主成分分析的分类识别率最高. 对40幅图像的测试结果表明, 本文的方法能够有效地自动检测航空图像中的水面尾迹纹理.