灰度共生矩阵在蔬菜种类识别中的应用研究

针对我国蔬菜类食品安全追溯系统中有关种类信息采集存在的一些问题,提出了一种利用图像纹理分析技术对多种蔬菜进行识别分类,进而提高信息采集的准确性与高效性.实验中分别用灰度共生矩阵算法(GLCM)、高斯马尔可夫模型法(GMRF)和Gabor法分别对蔬菜的纹理进行特征提取,并通过支持向量机(SVM)分类对比.结果证明,由灰度共生矩阵对蔬菜种类识别可以得到较好的分类结果.     

基于DT-CWT和SVM的纹理分类算法

提出了一种基于双树复数小波变换(DT-CWT)和支持向量机(SVM)的纹理分类算法.双树复数小波变换不仅具有实数小波的诸多优点,而且还具有近似平移不变性、良好的方向选择性和低冗余度,并且能对图像进行完全重构,能够更好地刻画纹理的特性;支持向量机算法是近年发展起来的性能优越的分类算法,比传统分类器有很大的优越性:避免了局部最优解和"维数灾"问题,其最优分类超平面的思想能够提高分类准确度.该方法用双树复数小波对纹理图像进行滤波并在各方向子带上进行重构,再计算其局部能量函数得到每个像素的特征向量,最后利用支持向量机算法实现对纹理图像像素的分类.将本方法与其它的分类算法进行比较,实验结果表明,提出的算法能有效地提高正确分类率.     

一种新的灰度共现矩阵特征提取算法

提出了灰度共现矩阵类特征基的特征提取算法,该算法中不同类型的纹理具有与之相对应的灰度共现矩阵特征基,使得在某一类纹理的灰度共现矩阵特征基下,同类样本的特征值最大,该特征既反映了不同类纹理灰度共现矩阵的相似性又反映了不同类纹理灰度共现矩阵间距,本文以中国科学院电子学研究所机载合成孔径雷达图像进行实验,结果表明,该方法不仅使分类过程简单,而且分类精度明显提高。     

使用支持向量机的纹理识别方法

将支持向量机应用到纹理识别领域,提出了一种基于支持向量机和小波变换的新型纹理识别方法。该方法用小波变换各子带图像共生矩阵参数、分析窗口大小、像素均值和像素标准差等参数作为纹理特征,解决了描述不同尺度纹理的难题。以多类支持向量机作为分类器,用输出纠错码把二分类器扩展到多类,提高了分类器的泛化能力。在包含25类单色自然纹理的图像库上进行识别试验,结果表明,该方法识别错误率小于10%,识别正确率比传统的贝叶斯等方法提高了2%左右,获得了更高的识别正确率,且推广性更好。     

粉状炸药自动包装工艺的改进研究

目的 针对印刷品表面缺陷检测中计算实时性差、缺陷类型识别率不高等问题,提出一种改进灰度共生矩阵(GLCM)的印刷品表面缺陷检测方法。方法 首先对主流的缺陷检测流程进行优化设计,通过对图像进行预处理和差分操作,判断待测印刷品表面是否存在形状缺陷;然后针对传统灰度共生矩阵的特征提取维度高、信息易丢失、旋转不变性差等问题,设计一种综合考虑效率和实时性的缺陷区域特征参数提取算法;最后结合得到的特征参量,通过基于支持向量机的分类器完成不同形状缺陷的分类识别。结果 实验结果表明,文中所设计的改进算法所提取的特征参量更能精确表征缺陷区域的特征,同时,特征参数的提取时间和缺陷分类识别率等指标均比传统检测方法更有优势。结论 在保证计算实时性的前提下,文中所设计的检测方法能有效完成印刷品表面缺陷区域的纹理特征识别能力,具有较高的分类识别率。     

基于振动图像纹理特征识别的轴承故障程度诊断方法研究

针对轴承故障诊断中故障分类研究多,故障程度研究少,振动图像信息丰富得不到充分利用问题,提出利用振动图像纹理特征识别技术进行轴承故障程度诊断方法。该方法先对轴承振动响应信号进行EMD-形态差值滤波处理,后将滤波后信号转换为双谱等高线图,利用灰度三角共生矩阵得到双谱图形纹理特征,应用主成份分析法从纹理特征参数中提取轴承故障程度特征参量,用支持向量机进行模式识别。实验结果表明该方法能有效区别轴承外圈、内圈及内外圈的故障严重程度,可为旋转机械故障程度诊断提供新方法。     

采用小波与ALCT的分层图像编码算法

针对纹理较丰富的图像提出了一种分层编码算法。该算法将图像划分成平滑层和纹理层,基于小波变换和自适应局部余弦变换(ALCT)分别编码。为提高平滑层小波零树编码的效率,本算法先对原图像进行恰当的平滑运算,然后再进行小波变换,从而增加零系数的个数。第二层利用改进的折叠运算和快速 DCT 实现残差纹理图像的 ALCT,并且提出了一种 ALCT 系数的重组方案,进而实现了重组系数的嵌入式编码。实验结果表明,本算法在未进行算术编码的情况下,与小波零树 SPIHT 算法相比,峰值信噪比(PSNR)提高了 0.4dB,并在重建图像中更好地保留了原图像的纹理特征。     

印刷套准识别方法研究

目的研究印刷标志套准机器快速和高精度的识别方法。方法提取印刷标志图像的灰度共生矩阵表达其纹理特征,采用Adaboost分类器对印刷标志套准图像进行识别,以判断印刷是否套准。结果提取出了印刷标志图像的能量、熵、惯性矩、相关度等的均值和标准差的8维图像纹理特征。为了比较不同分类器的分类性能,分别得出了Adaboost、K近邻、贝叶斯、支持向量机、Fisher和决策树对印刷标志图像纹理特征的分类准确率和分类时间。结论采用文中方法,印刷标志图像套准识别准确率达到97.5%,分类时间达到0.022 377 s,优于其他的分类方法。     

分类算法在纹理识别研究中的应用

本文将机器学习中最常用的两种分类算法——K近邻法和支持向量机应用到纹理识别的研究中,以Oumx、Brodatz以及CUReT三个公共纹理库中的纹理图像为研究对象,分别使用K近邻法、支持向量机算法进行纹理识别实验,并对最终的识别结果做了分析与比较。综合三个纹理库的识别结果,我们发现相较于K近邻法,支持向量机的识别效果较好,能够较准确的实现对纹理图像的识别。     

基于声成像模式识别的故障诊断方法研究

利用非接触式声学故障诊断技术的工作优点,发展了基于支持向量机的声成像模式识别技术,并引入到故障诊断领域。针对某种机械故障特点,在利用波束形成算法得到声像进行噪声源识别与定位的基础上,对声像进行图像处理,提取声像的纹理特征和奇异值特征,采用支持向量机进行训练分类,进而用于机械工作状态的诊断。通过仿真及实验,得到了较好的诊断效果,表明基于声像的图像特征提取技术在结合支持向量机后可应用于机械故障诊断,为声成像方法在故障诊断领域的应用提供参考。     

基于方向滤波器组与Laplacian能量和的图像融合算法

目的针对基于Contourlet变换的融合算法在边缘上易出现吉布斯现象,使其融合图像产生几何失真的问题,设计一种非下采样方向滤波器组耦合局部Laplacian能量和的图像融合算法。方法首先,结合多小波变换(multi-wavelet transform,MWT)与非下采样方向滤波器组(Non-Subsampled Direction FilterBank,NSDFB),将图像分解为3个高频方向系数和1个低频系数。对于低频系数,采用局部修正的Laplacian能量和(Local Sum-Modified-Laplacian,LSML)与脉冲耦合神经网络(Pulse couple neural network,PCNN)组合的LSML-PCNN模型来完成低频信息的融合。对于高频系数,通过提取低频和高频子带边缘,并利用系数绝对最大值法作为依据,实现高频系数的融合。结果实验数据表明,与当前图像融合方案相比,所提算法具有更高的融合质量,得到的融合图像边缘更加清晰和完整。结论所提算法拥有较高的融合视觉效果,可改善图像的对比度和分辨率,在图像处理领域具有一定的参考价值。     

Fusion of infrared and visible images based on focus measure operators in the curvelet domain

Aiming at the differences of physical characteristics between infrared sensors and visible ones, we introduce the focus measure operators into the curvelet domain in order to propose a novel image fusion method. First, the fast discrete curvelet transform is performed on the original images to obtain the coefficient subbands in different scales and various directions, and the focus measure values are calculated in each coefficient subband. Then, the local variance weighted strategy is employed to the low-frequency coefficient subbands for the purpose of maintaining the low-frequency information of the infrared image and adding the low-frequency features of the visible image to the fused image; meanwhile, the fourth-order correlation coefficient match strategy is performed to the high-frequency coefficient subbands to select the suitable high-frequency information. Finally, the fused image can be obtained through the inverse curvelet transform. The practical experiments indicate that the presented method can integrate more useful information from the original images, and the fusion performance is proved to be much better than the traditional methods based on the wavelet, curvelet, and pyramids.     

基于脊波变换的旋转不变性纹理特征提取方法

提出了一种新的基于脊波变换的旋转不变性纹理特征提取方法。该方法是先在脊波变换过程中的一维小波变换后所形成的每个频率子波段中提取特征,然后采用构建直方图的方法来提取同一尺度下高、低频子波段之间的关系特征,最后将这些特征进行一维傅里叶变换后取幅值并进行特征级融合,从而得到旋转不变性纹理特征。实验结果表明所提出的方法与两种已有的方法相比能够取得更好的分类效果。     

基于边缘信息的偏振图像融合算法及评价

偏振遥感图像通常都采用强度、偏振度、偏振角来表征目标偏振特性.本文提出的基于边缘信息的偏振图像融合算法是将三幅偏振图像利用离散小波变换把图像分解成不同尺度的低频和高频部分,采用小波区域窗口和子区域窗口统计把小波系数分类成边缘和非边缘系数,通过这些方法进行有效的边缘细节信息提取.在融合处理中,低频图像的小波系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应输入图像小波系数的窗口区域方差来确定融合后高频小波系数.仿真实验结果表明,这样使得融合后的图像细节更真实更丰富,图像的偏振特性体现更为充分,同时减少对源图像的预处理要求,使图像在整体上有较好的视觉效果.从而证明这种方法能够在保留图像微小细节方面获得满意的结果,且算法有效性优于其他的图像融合方法.     

一种子带杂交多算子图像融合算法研究

提出了一种新的多传感器图像融合算法。该算法综合考虑小波同层各子带及相邻层子带分解系数的特征,采用基于图像空间能量窗测度的自适应多算子规则构造融合图像。对可见光与红外图像、可见光与毫米波图像融合试验结果表明,融合图像含有更丰富的信息量,有效地保留了输入图像的互补特征信息。     

基于Harris角点的抗几何攻击数字水印算法研究

目的针对第2代数字水印算法具有良好的抗几何攻击能力,提出一种基于Harris提取特征区域并结合标志区的新算法,可有效抵抗几何攻击。方法首先对载体图像进行预处理,得到标准图Harris,提取并筛选特征点,要求特征点稳定集中,再根据水印大小确定嵌入水印的特征区域,筛选特征区域并进行小波分解;最后根据变换后子带的系数均值及调制因子调整小波系数,水印信息被分块后依次嵌入特征区域分解后的子带。结果实验显示文中算法的不可见性好,提取水印的相似度高,PSNR值均在65 dB之上,NC值均大于0.8。结论该算法水印的提取不需原图的参与,具极强的鲁棒性,可有效抵抗常见信号处理攻击。     

Robust Watermarking Algorithm for Medical Images Based on Non-Subsampled Shearlet Transform and Schur Decomposition

With the development of digitalization in healthcare, more and more information is delivered and stored in digital form, facilitating people’s lives significantly. In the meanwhile, privacy leakage and security issues come along with it. Zero watermarking can solve this problem well. To protect the security of medical information and improve the algorithm’s robustness, this paper proposes a robust watermarking algorithm for medical images based on Non-Subsampled Shearlet Transform (NSST) and Schur decomposition. Firstly, the low-frequency subband image of the original medical image is obtained by NSST and chunked. Secondly, the Schur decomposition of low-frequency blocks to get stable values, extracting the maximum absolute value of the diagonal elements of the upper triangle matrix after the Schur decomposition of each low-frequency block and constructing the transition matrix from it. Then, the mean of the matrix is compared to each element’s value, creating a feature matrix by combining perceptual hashing, and selecting 32 bits as the feature sequence. Finally, the feature vector is exclusive OR (XOR) operated with the encrypted watermark information to get the zero watermark and complete registration with a third-party copyright certification center. Experimental data show that the Normalized Correlation (NC) values of watermarks extracted in random carrier medical images are above 0.5, with higher robustness than traditional algorithms, especially against geometric attacks and achieve watermark information invisibility without altering the carrier medical image.     

Texture Feature Extraction Method for Ground Nephogram Based on Contourlet and the Power Spectrum Analysis Algorithm

It is important to extract texture feature from the ground-base cloud image for cloud type automatic detection. In this paper, a new method is presented to capture the contour edge, texture and geometric structure of cloud images by using Contourlet and the power spectrum analysis algorithm. More abundant texture information is extracted. Cloud images can be obtained a multiscale and multidirection decomposition. The coefficient matrix from Contourlet transform of ground nephogram is calculated. The energy, mean and variance characteristics calculated from coefficient matrix are composed of the feature information. The frequency information of the data series from the feature vector values is obtained by the power spectrum analysis. Then Support Vector Machines (SVM) classifier is used to classify according to the frequency information of the trend graph of data series. It is shown that altocumulus and stratus with different texture frequencies can be effectively recognized and further subdivided the types of clouds.     

基于耦合信号包络分析的引线键合点剪切强度识别方法研究

键合点剪切强度是衡量键合质量的重要指标之一,以引线键合系统超声波发生器电信号作为信息载体,研究了超声电信号的特征提取方法以及在键合强度识别方面的应用。针对超声电信号的瞬态特性,提出一种基于信号子频带包络分段的特征提取方法。该方法将超声电信号滤波后的子频带包络分成信号上升、稳定和衰减三个阶段,提取每个阶段的敏感波形特征来表征键合过程。为了消除特征中的冗余信息并实现特征降维,采用了主分量分析(PCA)技术进行特征选择。建立了人工神经网络系统(ANN)对提取的特征进行识别,通过实验数据分析,验证了本文方法的有效性。     

Multi-focus image fusion based on the non-subsampled contourlet transform

In this paper, a new image fusion algorithm based on non-subsampled contourlet transform (NSCT) is proposed for the fusion of multi-focus images. The selection of different subband coefficients obtained by the NSCT decomposition is critical to image fusion. So, in this paper, firstly, original images are decomposed into different frequency subband coefficients by NSCT. Secondly, the selection of the low-frequency subband coefficients and the bandpass directional subband coefficients is discussed in detail. For the selection of the low-frequency subband coefficients, the non-negative matrix factorization (NMF) method is adopted. For the selection of bandpass directional subband coefficients, a regional cross-gradient method that selects the coefficients according to the minimum of the regional cross-gradient is proposed. Finally, the fused image is obtained by performing the inverse NSCT on the combined coefficients. The experimental results show that the proposed fusion algorithm can achieve significant results in getting a new image where all parts are sharp.