小波在基于CT图像的肝脏疾病良恶性分类中的研究

肝癌是一种常见的恶性肿瘤,近年来发病率呈缓慢上升的趋势,病死率也随之上升。文章利用小波在特征提取和模式识别方面的独特优势,提取了基于小波和灰度共生矩阵的纹理特征,结合遗传算法进行特征选择和优化,用KNN分类器设计出高精确度的肝脏疾病良恶性分类器。采用肝脏CT平扫图像,将肝癌与其他的良性病变进行分类,探讨了小波的不同性质及特征提取方式对分类结果的影响,对小波在肝脏CT图像良恶性分类中的研究有指导意义。     

基于降维LBP与叶片形状特征的植物叶片识别方法

为解决由于植物叶片特征的相似性以及叶片旋转导致植物识别率较低的问题,提出一种基于降维局部二值模式（LBP）与叶片形状特征相结合的植物叶片识别方法。首先利用LBP算法提取高维叶片纹理信息,通过主成分分析方法（PCA）对高维叶片特征降维;同时考虑叶片的形状特征,将LBP旋转不变性特征与叶片形状特征有效结合,在低维空间利用k近邻法（KNN）实现叶片的分类与识别。实验结果表明该方法具有较好的识别效果。     

基于数学形态学的肝脏B超图像的纹理识别

基于数学形态学的理论,分析了肝脏Ｂ超图象的纹理特征,提出了一种纹理特征抽取算法,它具有旋转不变性,通过分类实验与已有的基于数学形态学的特征进行了比较,实验结果表明提出的方法分类精度高,计算理小。     

K-近邻算法的改进及实现

利用k-近邻算法进行分类时。如果属性集包含不相关属性或弱相关属性,那么分类精度将会降低。研究了k-近邻分类器,分析了k-近邻分类器的缺点,提出了一种利用随机属性子集组合k近邻分类器的算法。通过随机的属性子集组合多个k近邻分类器,利用简单的投票,对多个k-近邻分类器的输出进行组合,这样可有效地改进k-近邻分类器的精度。     

基于颜色和纹理的皮肤检测方法

提出一种新的基于颜色和纹理特征的皮肤检测方法,应用JSEG算法将图像分割成任意形状的相似图像区域集,然后从中提取颜色特征和纹理特征,最后应用高斯混合模型（Gaussian Mixture Model,GMM）,并根据一定的判断准则（综合考虑颜色特征和纹理特征）进行皮肤和非皮肤区域分类．     

基于数学形态学的肝脏B超图象的纹理识别

基于数学形态学的理论,分析了肝脏Ｂ超图象的纹理特征,提出了一种纹理特征抽取算法,它具有旋转不变性,通过分类实验与已有的基于数学形态学的特征进行了比较,实验结果表明提出的方法分类精度高,计算量小。     

新的木材显微细胞图像分类识别方法

提出一种基于纹理的木材显微细胞图像分类算法。通过非下采样的Contourlet变换模极值密度提取图像纹理特征,并采用K近邻分类方法进行分类,实现对木材显微细胞图像的分类。实验结果表明：平均识别正确率在85%以上。提出的方法能有效地实现对木材显微细胞图像的分类。     

基于多特征联合监督字典学习的乳腺图像分类

针对无监督字典学习算法图像分类精度不高的问题,提出一种结合多种图像特征的有监督字典学习分类算法。利用卷积神经网络检测和分割细胞以提取细胞结构形状纹理特征,在细胞对应的病理图像块中提取多种纹理特征后,提取全图的SIFT和SURF特征。为缩小分类误差,对无监督字典学习和二分类函数进行联合训练,将多特征取代图像作为字典学习输入,最终实现乳腺病理图像分类。在2个乳腺病理数据库上的实验结果表明,多特征监督字典学习分类算法的分类准确率达92.15%,优于无监督字典学习算法。     

基于Relief的特征加权壳近邻分类算法

壳近邻分类算法克服了k近邻分类在近邻选择上可能存在偏好的问题,使得在大数据集上的分类效果优于k近邻分类,为了进一步提高壳近邻算法的分类性能,提出了基于Relief特征加权的壳近邻分类算法.该算法在Relief算法的基础上求解训练集的特征权值,并利用特征权值来改进算法的距离度量方法和投票机制.实验结果表明,该算法在小数据和大数据上的分类性能都优于k近邻和壳近邻分类算法.     

基于局部特征的图像快速分类算法

基于内容的图像快速分类是Web图像实时搜索和过滤的基础。通过分析图像特征分布特点,提出一个基于局部特征的图像快速分类算法。与目前算法相比,该算法仅需对图像的局部区域扫描分析,即可得到其颜色、纹理、形状等特征,并利用Bayesian分类器来实现图像的快速自动分类。相关对比实验证实,该算法能够快速、准确地实现图像分类。     

基于姿态转换网络的行为识别

为了有效的表征行为,提出了一种基于姿态转换网络的行为识别算法。首先对人体进行自动定位,并对人体区域进行形状与运动特征提取;然后对特征进行层次聚类,构建姿态二叉树,并将运动序列表示为姿态序列后,将其表征为姿态转换网络的权重;最后利用k-近邻的方法对行为进行分类识别。实验结果表明,该算法对动态嘈杂背景,人体执行行为速度的快慢具有一定程度的鲁棒性。该算法在两个公用数据库上获得了较好的结果验证了其有效性。     

一种结合形状与纹理特征的植物叶片分类方法

根据植物叶片识别植物种类对于生物科学与生态科学具有重要的辅助作用。针对叶片分类,提出了一种基于形状与纹理特征的分类算法。在进行了去噪等预处理后,通过阈值分割和数学形态学方法获取叶片区域;在分割得到的二值区域图像上提取了形状特征,在灰度图像上提取了纹理特征;在所得特征的基础上,利用BP网络对叶片进行分类。在实际图片上的实验结果表明,相比于已有算法,该方法可以达到更高的正确分类率。     

基于KNN的特征自适应加权自然图像分类研究

针对自然图像类型广泛、结构复杂、分类精度不高的实际问题, 提出了一种为自然图像不同特征自动加权值的K-近邻（K-nearest neighbors, KNN）分类方法。通过分析自然图像的不同特征对于分类结果的影响, 采用基因遗传算法求得一组最优分类权值向量解, 利用该最优权值对自然图像纹理和颜色两个特征分别进行加权, 最后用自适应加权K-近邻算法实现对自然图像的分类。实验结果表明, 在用户给定分类精度需求和低时间复杂度的约束下, 算法能快速、高精度地进行自然图像分类。提出的自适应加权K-近邻分类方法对于门类繁多的自然图像具有普遍适用性, 可以有效地提高自然图像的分类性能。     

基于BP神经网络和多重特征的色情图像检测方法

本文提出了一种基于BP神经网络和多重特征的色情图像检测方法。用已知色情图像块作为BP神经网络的训练样本,再对待检测图像进行分块操作,并提取每个图像块的纹理、形状和颜色特征信息,并使用神经网络进行分类检测。经matlab实验仿真,本算法对色情图像的检测精度可以达到85%。     

一种ISAR图像中飞机目标识别的新特征

在逆合成孔径雷达(ISAR)图像飞机目标的识别中,传统的特征是ISAR图像的低频傅里叶系数、几何不变矩、形状特征和能量特征等,但上述特征都没有考虑ISAR的纹理。为此,引入一种新特征用于ISAR图像中飞机目标的识别,即提取ISAR的LBP特征来描述图像的纹理,用k近邻分类器进行分类。实验结果表明,该方法达到98.7%的识别率,表明该特征的有效性。     

基于BP神经网络和多重特征的色情图像检测方法

本文提出了一种基于BP神经网络和多重特征的色情图像检测方法。用已知色情图像块作为BP神经网络的训练样本,再对待检测图像进行分块操作,并提取每个图像块的纹理、形状和颜色特征信息,并使用神经网络进行分类检测。经matlab实验仿真,本算法对色情图像的检测精度可以达到85%。     

基于ASM和K近邻算法的人脸脸型分类

针对人脸特征分类问题,提出一种基于主动形状模型(ASM)和K近邻算法的人脸脸型分类方法。将Hausdorff距离作为K近邻算法的距离函数,利用ASM算法提取待测图像的特征点,对点集进行归一化后计算人脸轮廓特征点与样本库中所有样本点集的Hausdorff距离,根据该距离值,通过K近邻算法实现待测图像的脸型分类。实验结果证明,该方法分类正确率高、速度快、易于实现。     

基于多特征融合的低空风切变类型识别

针对微下击暴流、低空急流、顺逆风和侧风4种不同低空风切变的激光雷达扫描图像,提出一种基于形状特征和纹理特征相结合的识别方法。采用Zernike矩和旋转不变统一模式的局部二值模式（LBP）,分别提取反映风场全局变化的形状特征和反映风场局部变化的纹理特征;将两种特征串联融合后,通过主成份分析（PC A ）对其进行降维,提取有效特征;利用 k近邻分类器对4种低空风切变图像进行分类。实验结果表明,与其它多种算法相比,该算法平均识别率最高,识别效果更加稳定。     

基于RF-PSO-SVM的烟叶等级分类模型

针对烤烟等级分类问题,论文利用数字图像处理技术对烤烟图像进行处理,根据烤烟等级影响因子,提取了烤烟正反两面的颜色特征、纹理特征与形状特征,并建立了一种烤烟等级分类模型——RF-PSO-SVM模型。首先利用RF-SVM对烤烟特征按其对分类模型的贡献度排序,筛选出对分类模型准确率影响较大的特征建立最优特征子集,并利用PSO对SVM的C、g参数寻优,建立RF-PSO-SVM分类模型,对筛选的特征子集进行学习训练,最后将RF-PSO-SVM分类模型与SVM分类模型、PSO-SVM分类模型进行对比,验证该方法的可靠性。经实验结果表明：1）烟叶的反面颜色特征与纹理特征对分类模型贡献度较大,形状特征对模型贡献度较小。2)RF-PSO-SVM算法建立的烟叶分类模型可以在保证分类准确率的情况下,降低分类算法的运行时间,减少了数据集的特征维度,对烟叶的分类识别具有一定的参考价值。     

基于纹理和形状特征的医学图像检索研究

本文使用纹理和形状特征进行基于内容的医学图像检索,并对算法作出一些改进。最后,综合利用纹理和形状特征对医学图像进行检索,证明了纹理特征和形状特征对医学图像来说具有互补性。