基于复小波和支持向量机的纹理分类法*

针对图像纹理分类问题,提出了一种将二元树复小波变换与支持向量机相结合的分类方法,通过二元树复小波变换对纹理图像进行四层分解,提取各子频带小波系数模的均值和标准方差组成特征向量,利用支持向量机作为分类器实现纹理图像分类。对20类Brodatz纹理图像的分类实验表明,提出的方法具有较高的分类精度,在有限训练样本的情况下比传统的分类算法平均正确率有10%左右的提高,体现了该方法的有效性和良好的泛化能力。     

基于小波包变换和蚁群算法的纹理分类

提出了一种小波包变换和蚁群算法相结合的纹理分类新方法。首先采用小波包变换提取纹理图像的纹理特征向量,然后用蚁群算法进行训练和分类。实验表明小波包变换和蚁群算法应用到纹理分类领域,是一次有效的尝试。     

一种新的自然纹理分类方法

纹理分类一直是图像处理领域重要的研究课题之一。目前,用数学方法描述纹理特征从而进行纹理分类非常流行,但这些方法无法消除纹理视觉特征和人们理解的纹理概念之间的语义障碍。提出了一种新的基于中文自然语言纹理描述词的纹理方法,把常见的自然纹理分为10大类别,然后利用小波包分解和最小二乘支持向量机对自然纹理进行分类,实现了纹理的视觉特征到语义描述的转换。实验结果证明,该方法在图像理解和基于自然语言的图像检索中有助于缩小纹理特征的数学描述和人类理解之间的“语义鸿沟”。     

基于双树复小波域统计图像建模的纹理特征提取

统计图像建模方法使用某种参数控制的分布模型来描述纹理及其特征,即参数估计是该类方法的核心问题.鉴于此,提出一种新的纹理特征提取方法,利用广义伽马分布和广义冯cdot米塞斯分布在图像的双树复小波域上进行统计建模,利用对数累积量法进行高效的参数估计完成纹理特征提取.在VisTex和Brodatz纹理库上进行分类实验,结果表明所提方法能够有效捕获图像的纹理特征,获取较高的识别率.     

基于小波包分析的催化剂表面图象识别

二维图象可以通过小波分解来进行信号的多分辨率分析．本文讨论了小波包分析技术及其在催化剂表面ＳＥＭ图象识别上的应用．从小波包中抽取的能量和纹理熵特征，在催化剂的分类与识别研究中，充分描述了表面图象在多标度空间上的信息分布．实验结果表明，小波包分解树是一种很好的模式特征描述，为图象纹理识别提供了新的手段     

基于小波包变换的纹理分类的水冷壁表面模式识别

提出了一种基于小波包变换的纹理分类的锅炉水冷壁表面模式识别算法,该算法选用纹理特征作为冷壁表面模式分类依据,使用小波包计算纹理的能量分布,并以能量分布作为分类特征,用BP神经网络进行了分类识别。     

基于离散多小波变换的纹理分类

纹理分析在遥感、医学图像处理、计算机视觉及基于纹理的按内容检索的图像数据库等许多重要领域均有着广泛的应用.引入多小波理论,提出了基于多小波分解的纹理图像分类.通过一系列的实验并与单小波进行比较,实验结果表明,多小波分解比金字塔小波分解或小波包分解其分类准确率更优.     

基于双树复小波和灰度共生矩阵的遥感图像分割

提出了一种将双树复小波变换和灰度共生矩阵相结合描述遥感图像局部纹理特征并用于分割的方法。该方法采用双树复小波高频模值子带Gamma分布与Lognormal分布参数组合特征、灰度共生矩阵特征组成的联合纹理特征作为遥感图像每一像素特征,然后用Canberra距离进行相似性度量,最终通过聚类完成遥感图像分割。实验结果表明,该纹理特征提取方法可以有效地表征遥感图像的纹理,得到更为精确的遥感图像分割结果。     

基于小波灰度共生矩阵的植物分类研究

为了解决塔式小波分解中丢失高频信息的问题,提出了将塔式小波分解和灰度共生矩阵融合的方法,生成小波灰度共生矩阵特征来描述植物叶子纹理,结合具有尺度、平移和旋转不变性的形状特征,生成一组有效的分类特征向量来对植物种类进行分类预测。用支持向量机(support vector machine,SVM)等分类器对两组实验数据进行分类测试,分类准确率分别达到了97.2426%和96.7972%。实验结果表明,小波灰度共生矩阵特征能够有效地描述植物叶子纹理特征,具有很强的分类能力。     

一种基于分形维数的图像相似性检索特征

本文描述了一种采用小波包分解子带图像分形维数作为图像纹理特征进行图像相似性检索的方法。首先对图像进行小波包分解。每一个子带图像的分形维数构成图像的特征向量用于图像的相似性检索。实验表明,该方法计算速度快。在特征向量维数极少的情况下,该特征对于描述方向性和结构性较好的纹理具有良好效果。     

融合LBP和GLCM的纹理特征提取方法

为提取有效的特征用于纹理描述和分类,提出一种融合局部二进制模式(LBP)和灰度共生矩阵(GLCM)的纹理特征提取方法。利用旋转不变的LBP算子处理纹理图像,得到LBP图像及其GLCM,采用对比度、相关性、能量和逆差矩描述图像的纹理特征。实验结果表明,与其他方法相比,该方法提取的纹理特征具有更强的纹理鉴别能力,平均分类正确率达到93%。     

基于自适应特征选择和SVM的图像分类的研究

提出多特征结合的图像分类方法,分别提取颜色特征和LBP纹理特征,同时提出Adaboost算法对特征进行选择,选择最能表示图像的特征,这样既降低了特征的维数,又提高了分类的精度。最后对基于SVM的多类图像分类方法进行了研究,提出在二类支持向量机的基础上构造多类分类器的方法,实验结果表明,提出的方法能够很好地用于图像分类。     

A multiscale texture analysis procedure for improved forest stand classification

Image texture is a complex visual perception. With the ever-increasing spatial resolution of remotely sensed data, the role of image texture in image classification has increased. Current approaches to image texture analysis rely on a single band of spatial information to characterize texture. This paper presents a multiscale approach to image texture where first and second-order statistical measures were derived from different sizes of processing windows and were used as additional information in a supervised classification. By using several bands of textural information processed with different window sizes (from 5×5 to 15×15) the main forest stands in the image were improved up to a maximum of 40%. A geostatistical analysis indicated that there was no single window size that would adequately characterize the range of textural conditions present in this image. A number of different statistical texture measures were compared for this image. While all of the different texture measures provided a degree of improvement (from 4 to 13% overall), the multiscale approach achieved a higher degree of classification accuracy regardless of which statistical procedure was used. When compared with single band texture measures, the level of overall improvement varied between 4 and 8%. The results indicate that this multiscale approach is an improvement over the current single band approach to analysing image texture.     

基于局部谱能量自相似矩阵的纹理描述

对于纹理检测和分类中的纹理描述问题,提出一种新的基于Gabor滤波器组局部谱能量的自相似矩阵来描述纹理的方法。首先采用多尺度、方向的极坐标对数Gabor滤波器组对纹理模板进行滤波,获得频域上局部频段和方向上的纹理信息;然后计算频域上各尺度、方向上局部谱能量的自相似度量,将这些度量值以自相似矩阵的形式进行存储,并作为纹理特征的描述子;最后将这种描述方法应用到纹理检测和分类中。由于该描述子主要体现的是纹理模板在不同频段和方向局部谱能量的自相似程度,所以它对滤波器参数的依赖度较低。实验中利用纹理特征描述子可以实现比较准确的纹理检测,多类纹理合成图像分类实验的准确率达到了91%以上。实验结果说明,纹理局部谱能量的自相似矩阵是一种十分有效的纹理描述方法,其检测和分类的结果对后期的纹理分割、纹理识别等研究领域具有广泛的应用前景。     

基于稀疏编码的动态纹理识别

目的 线性动态系统有效地捕捉了动态纹理在时间和空间的转移信息。然而,线性动态系统属于非欧氏空间模型,无法直接应用传统的稀疏编码进行分类识别,为此提出一种基于稀疏编码线性动态系统的求解方法并应用于动态纹理识别。方法 基于约束凸优化公式,将稀疏编码和控制论中相似性变换结合,优化学习模型参数,解决应用稀疏编码进行分类识别的问题,实现有效的动态纹理识别。结果 在公开的动态纹理图像数据库UCLA上进行实验并与其他方法进行比较,实验结果表明,本文方法具有更好的性能,识别率可达97%,且对遮挡具有更好的鲁棒性。结论 本文方法对动态纹理及遮挡情况具有更好的识别率。