航空图像中水面纹理的自动提取

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这一问题,提出了一种基于Gabor滤波器和BP神经网络的尾迹纹理自动提取算法,通过提取它们运动产生的尾迹实现对它们的准确识别。该方法分为两步:第1步是选取等大小的含尾迹纹理的水面子图像和不含尾迹纹理的水面子图像,通过一组Gabor滤波器得到它们的特征图像,计算每个子图像特征图的均值和方差,将它们作为神经网络的训练样本对BP网络进行训练得到用于识别的网络;第2步是将待提取的整幅图像分成很多与第1步中子图像等大小的子图像,分别计算它们的Gabor特征图像,并得到它们的均值和方差,把它们作为神经网络的输入,得到它们是否是纹理区域,由整幅子图像的识别结果得到一幅二值图像,用Hough变换检测图像中的直线,根据直线的长度判断尾迹是否存在。大量的实验结果表明,该方法能够准确地提取运动目标产生的尾迹纹理。     

基于Wold模型和支持向量机的纹理识别

提出一种基于Wold模型和支持向量机的纹理识别新方法,有效解决了方向和尺度变化给纹理识别带来的困难.该方法首先对纹理图像进行傅里叶变换和自适应谱分解,将确定域功率谱的扇形区域能量和环形区域能量分布参数作为纹理扩展特征.然后,利用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和小波变换统计参数作为基本纹理特征.在两组分别包含25类单色自然纹理的图像库上进行的识别实验表明,该方法获得了良好的识别效果.     

特征融合和支持向量机反馈的图像检索算法

检索算法是海量图像自动检索基础。鉴于单一特征无法准确描述图像内容,结合时域和频域纹理特征优点,提出一种特征融合和支持向量机反馈的图像检索算法。首先取图像的LBP直方图作为空域特征,并利用Brushlet变换提取子带能量特征作为频域特征;然后采用马氏距离相似度量进行图像初步检察;最后采用支持向量机反馈提高图像检索准确率。仿真结果表明,相对于单一特征检索算法,该图像检索算法提高了图像检索的平均准确率,可以更准确地查找到用户所需的图像。     

轮廓波域Entropy-Fourier旋转不变算子在纹理分类中的应用

针对图像的旋转问题,提出一种基于contourlet域的旋转不变纹理描述算子。对contourlet变换后的系数进行处理,提取子带香农熵作为特征向量,然后对各个尺度的特征向量进行离散傅立叶变换,得到旋转不变的纹理特征。利用傅立叶谱的对称性,将特征向量进一步降维。最后采用支持向量机和欧式距离对纹理图像进行分类。在包含1456幅图像的自建图像库中进行分类实验,结果表明该方法在低计算复杂度的优势下。能获得较好的分类性能。     

基于Gabor小波变换的ICA火灾图像纹理识别算法

针对火灾图像纹理识别问题,提出了基于Gabor小波变换的ICA火灾图像纹理识别算法,并根据火灾图像纹理识别特点进行了优化;首先用不同尺度和方向的Gabor滤波器对待识别图像滤波,得到其特征图像,然后将特征图像转化成特征向量作为ICA的输入,得到基矢量子空间,再将测试图像经过Gabor滤波器的特征向量投影到ICA子空间中得到系数向量作为目标识别特征,最后用支持向量机进行识别;通过与Gabor滤波器法和ICA方法的对比实验,表明该算法可以在火灾纹理图像的识别率上比传统方法提高5％以上,为火灾图像识别提供了一种新思路.     

基于LBP直方图的复杂光照下的人脸识别

提出一种具有较强光照鲁棒性的人脸识别方法。通过Gamma校正、高斯差分（DoG）滤波和对比度均衡化算法对图像进行光照预处理,降低光照敏感度;利用局部二值模式（LBP）算子提取局部纹理特征,将图像划分为若干个不重叠的子区域,提取每个子区域LBP直方图,形成人脸图像特征,用主成分分析（PCA）进行降维处理;使用支持向量机（SVM）进行分类识别。在Yale-B数据库进行实验的结果表明,该算法的平均识别率可达99.68%,其性能优于目前该领域的典型算法。     

多特征分析的视频烟雾检测方法

提出了一种视频烟雾检测方法,利用烟雾颜色、运动方向以及纹理等特征区分烟雾,并在检测烟雾的同时找到火源位置。引入暗原色先验方法提取出与烟雾颜色相似的区域作为烟雾候选区;通过分析图像局部纹理特征估计图像块的运动方向,排除运动方向向下的非烟雾区域,从而缩小烟雾候选区;将烟雾候选区的一系列特征作为支持向量机的输入,分类为烟雾和非烟雾;根据被检测出的烟雾在视频帧中的具体位置以及对应位置出现烟雾的频数估计火源在视频帧中的位置。与相关算法的实验结果进行了比较,证明了该算法的有效性。     

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.     

基于多尺度图谱和局部谱的目标提取算法

针对多尺度图谱算法不能有效提取含有较多纹理或包含差异较大区域的目标物体, 提出了一种结合图像平滑、多尺度图谱和局部谱的目标提取方法。首先对图像进行l0梯度最小化平滑处理, 锐化边缘的同时消除图像的部分纹理信息; 其次通过多尺度图谱方法对图像进行分割, 该算法结合了归一化割算法的高精确度和多尺度算法的高效率性; 最后结合局部谱理论, 将人工选取的种子区域作为约束条件, 进行有偏割向量估计, 通过最大类间方差法将该向量分割成目标和背景。实验表明, 该方法弥补了多尺度图谱算法的不足, 并能产生很好的目标提取效果。     

一种基于区域综合特征的彩色图像检索方法

提出了一种基于区域综合特征的彩色图像检索算法.该算法首先结合MPEG-7视觉内容描述对真彩色图像进行量化处理,并将量化后的图像划分成若干个子区域.然后选取子区域的主要颜色及其所占百分率作为颜色特征,选取子区域的熵、能量和对比度作为纹理特征.再综合利用上述颜色、纹理两个特征计算图像间内容的相似度,并进行彩色图像检索.仿真实验表明,该算法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率、查全率和较快的检索速度.     

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.     

基于Log-Polar和DT-CWT的旋转不变纹理分类算法

提出了一种基于对数-极坐标变换和双树复数小波变换的旋转不变纹理分类算法。该方法首先对纹理图像进行对数-极坐标变换将旋转转化为平移,再用具有平移不变性的双树复数小波对变换后的图像滤波并计算各子带的能量值组成旋转不变特征向量,最后利用支持向量机算法实现纹理图像的分类。将本方法与其它旋转不变纹理分类算法进行比较,实验结果表明,提出的算法能有效地提高正确分类率。     

IDENTIFICATION OF CONTINUOUS‐TIME POWER SPECTRA BY GENERALIZED FOURIER SERIES

In this paper, we present a generalized Fourier series based algorithm for the identification of continuous‐time, linear‐time invariant systems from power spectrum measurements. The algorithm is strongly consistent and it is used in the design of a linear shaping filter for a single‐track road power spectrum.     

一种角度无关的Gabor-SVM昆虫识别

传统的昆虫识别方法费时费力,应用图像处理技术提取昆虫图像视觉特征,实现昆虫机器自动识别,可以解决传统方法的不足.本研究依据纹理是昆虫分类的重要特征,应用角度无关的Gabor滤波器提取昆虫图像的纹理特征,然后用SVM算法分类,实验结果表明:角度无关Gabor-SVM昆虫识别方法正确率为80%,是比传统Gabor和灰值游程矩阵更好的识别算法,该方法能较准确识别昆虫,省时省力.     

旋转不变傅立叶纹理特征提取

旋转不变纹理分析是纹理分析的重要方面。通过将对数极坐标和傅立叶变换结合,完成旋转不变的傅立叶纹理特征提取。实验证明,该方法具有良好的旋转不变纹理分析性能。     

基于Radon变换的纹理图像多尺度不变量分析算法

为了更好地进行图像纹理分析,提出了一种基于Radon变换的不变量纹理识别算法。该算法首先利用Radon变换将图像投影到1维空间,然后通过对投影数据进行一种平移和比例不变的自适应小波变换来构造出具有比例和平移不变性的图像的特征矩阵。这种通过对特征矩阵进行多尺度分析得到的多尺度能量特征不但具有平移、比例和旋转不变性,而且反映出了纹理图像在不同尺度上的能量分布特征。在特征提取完成以后,即可利用支撑向量机进行分类。同其他方法的比较说明,该算法可较好地描述纹理特征,并可完成纹理识别。     

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。     

基于图像纹理自适应的边缘检测算法

通过对图像进行Fourier分析,获取能够表达图像纹理的能量谱,进而定义能量谱的环特征和楔特征.环特征可以描述纹理的粗细,楔特征可以描述纹理的方向,以这两个特征值作为边缘检测模板选择的依据,使边缘检测具有纹理自适应能力.实验表明,该算法边缘检测精确,抗干扰能力强.     

Affine invariant classification and retrieval of texture images

In this paper, we propose a new method of extracting affine invariant texture signatures for content-based affine invariant image retrieval (CBAIR). The algorithm discussed in this paper exploits the spectral signatures of texture images. Based on spectral representation of affine transform, anisotropic scale invariant signatures of orientation spectrum distributions are extracted. Peaks distribution vector (PDV) obtained from signature distributions captures texture properties invariant to affine transform. The PDV is used to measure the similarity between textures. Extensive experimental results are included to demonstrate the performance of the method in texture classification and CBAIR.