基于SC特征的叶片图像识别研究

提出一种基于改进SC形状上下文描述子的叶片图像特征提取方法.利用颜色聚类分割图像,使用Ostu算子实现二值化处理,提取图像边缘轮廓,结合形状上下文(SC)描述子提取图像轮廓特征,计算匹配代价矩阵,利用匈牙利算法获得最小匹配代价.结果表明该算法具有较高的识别准确度.     

基于图像统计特征的小波变换插值方法

针对一般图像插值方法常见的两个缺点:边缘锯齿、细节模糊,提出了一种基于图像统计特征的小波变换插值方法,该方法利用图像插值前后边缘统计特征的相似性,从低分辨率图像中获取估算高分辨率图像所需的协方差矩阵和向量,保持了边缘光滑性。同时利用小波分解与重构,将图像非边缘的细节特征进行了增强。该方法无需迭代运算,计算量较小。实验结果表明了用该方法获取高分辨率图像的有效性和可行性。     

Dempster-Shafer证据融合形状特征的高分辨率遥感图像道路信息提取

道路提取是遥感图像目标识别和提取中一项具有重要意义而困难的任务。在遥感图像道路提取的过程中,由于道路的不同形状和图像信息的复杂性,目前在许多基于形状特征提取道路的方法中,选取形状特征阈值时具有一定的难度,且需要大量的人工干预操作,缺乏一定的通用性,因此,本文提出一种基于DS(dempster-shafer)证据理论和形状特征的道路提取方法。该方法首先对道路的几何形状特征进行分析和优化,据此设计概率分配函数,并利用DS证据理论融合形状特征以获取道路段,最后通过道路连接操作得到道路的中心线。文末通过对典型道路图像和非典型道路图像的实验表明,该方法能够降低选取形状特征阈值的难度和对人工的依赖性,能适用于高分辨率遥感图像中直线型和曲线型道路的提取,具有一定的可行性。     

基于改进分水岭变换的遥感图像建筑物提取

遥感图像的分割是遥感信息提取与目标识别的基础和关键。以高分辨率城镇地区遥感图像为研究对象,提出一种基于全局阈值的多级分水岭算法,用于遥感图像的分割。该算法通过引入差异度函数,在执行传统分水岭算法的过程中对图像中存在的噪声区域进行修正,并通过使用全局阈值有效的控制欠分割问题。首先基于全局阈值的多级分水岭算法对高分辨率遥感图像进行初始分割,然后综合利用分割对象的颜色和形状特征信息,进行区域合并和梯度边缘提取,得到最终的建筑物提取结果。实验结果表明,所提出的基于全局阈值的多级分水岭算法较好地避免了过分割和欠分割现象,结合区域合并和梯度提取,能够快速准确地对城镇遥感图像中的建筑物进行提取。     

基于形状边缘方向直方图的图像检索算法研究

描述了一种基于边缘方向直方图(Edge Direction Histogram,EDH)的图像形状特征提取方法,算法提取的特征向量同时满足尺度、平移和旋转不变性.实验证明该方法对于具有单一背景、形状特征明显的图像具有较好的检索效果.     

结合相位一致与全变差模型的高分辨率遥感图像边缘检测

目的边缘检测是有效利用遥感数据开展地物目标自动识别的重要步骤。高分辨率遥感图像地物类型复杂,细节信息过于丰富,使得基于相位一致的边缘检测结果中存在过多的噪声与伪边缘。为此提出了一种结合相位一致与全变差模型的高分辨率遥感图像边缘检测方法。方法根据相位一致原理,应用Log Gabor构造的2维相位一致模型,引入全变差去噪模型对基于相位一致的边缘强度图进行改进。结果借助有界变差空间对图像光滑性的约束,实现了高分辨率遥感图像噪声去除与伪边缘抑制,利用改进后的相位一致边缘强度图可有效检测高分辨率遥感图像的边缘。结论实验结果表明,与相位一致模型、Canny算法相比,该方法能消除了高分辨率遥感图像中同类地物内部细节特征形成的噪声,抑制相位一致边缘检测结果中的伪边缘,突出地物的真实边缘,并能正确地提取地物目标的整体轮廓信息,有助于后续地物目标的自动识别。     

一种基于频域谐波能量和模糊理论的遥感图像边缘特征检测方法

从传统的梯度算子的边缘检测算法对高分辨率遥感图像无法有效检测出发,探讨一种基于傅里叶变换和模糊推理的高分辨率遥感图像边缘特征检测的方法。该方法首先提取前n次谐波能量,根据直流中心频谱图像良好的噪声抑制特性,分析高频分量对图像边缘特征的贡献。然后采用巴特沃斯低通滤波器获取低频分量,采用模糊推理的方法提取低频分量中的边缘特征,将这两部分的边缘特征叠加,得到最终的边缘检测图像。仿真实验表明,所提出的算法检测出的图像边缘特征效果显著,抗噪能力强。     

一种新的图像空间特征提取方法

提出一种新的图像空间特征提取方法,采用基于颜色向量角和Euclid距离的CCVAE算法,检测原始图像的彩色边缘,分别对边缘像素、非边缘像素建立边缘直方图描述子和空间颜色直方图,描述颜色分布信息。仿真实验结果表明,该方法具有较高的准确率和召 回率。     

基于形状特征及纹理特征的中药材检索方法

为有效提取中药材图像的特征,提高中药材图像分类准确率并提升检索性能,对中药材图像的梯度方向直方图形状特征和局部二元模式纹理特征进行研究,对2种特征进行维数改进,提出一种基于形状特征和纹理特征的中药材检索方法。使用改进的图像梯度方向直方图和分块局部二元模式进行形状及纹理的特征提取;对提取得到的特征向量进行线性组合;采用一对一方式构造多分类器,使用支持向量机进行分类检索。实验结果表明,组合降维特征提取算法能在中药材图像数据集中取得较好的识别效果。     

基于频谱分析的高分辨率遥感图像边缘特征检测研究

针对高分辨率遥感图像的边缘特征,提出了一种基于频谱分析的图像边缘检测方法.首先对南京市主城区典型地物QuickBird图像进行傅里叶变换,分析频谱能量的角向分布特征,对最大角向能量分布曲线求一阶导数,将其峰值作为边缘检测滤波器的中心频率.通过设计方向Gabor滤波器进行频域滤波,达到图像边缘特征检测的目的.结果表明,进行频谱分析能够确定图像边缘特征的最佳截止频率,从而为高分辨率遥感图像边缘特征检测提供一种新方法.     

A shape–size index extraction for classification of high resolution multispectral satellite images

We propose a new spatial feature extraction method for supervised classification of satellite images with high spatial resolution. The proposed shape–size index (SSI) feature combines homogeneous areas using spectral similarity between one central pixel and its neighbouring pixels. A spatial index considers the shape and size of the homogeneous area, and suitable spatial features are parametrically selected. The generated SSI feature is integrated with the original high resolution multispectral bands to improve the overall classification accuracy. A support vector machine (SVM) is employed as a classifier. In order to evaluate the proposed feature extraction method, KOMPSAT-2 (Korea Multipurpose Satellite 2), QuickBird-2 and IKONOS-2 high resolution satellite images are used. The experiments show that the SSI algorithm leads to a notable increase in classification accuracy over the grey level co-occurrence matrix (GLCM) and pixel shape index (PSI) algorithms, and an increase when compared with using multispectral bands only.     

广义主分量分析及人脸识别

传统的主分量分析和Fisher线性鉴别分析在处理图像识别问题时都是基于图像向量的。该文提出了一种直接基于图像矩阵的主分量分析方法,它的突出优点是大大加快了特征抽取的速度。在ORL标准人脸库上的试验结果表明,该文所提出的方法不仅在识别性能上优于传统的主分量分析方法和Fisher线性鉴别分析方法,而且特征抽取的速度得到了很大的提高。     

基于多特征提取的人脸检测

针对单一特征在人脸检测方面的不足,提出了一种基于多特征提取的人脸检测算法。利用肤色信息分割出候选人脸区域,并对其进行小波分析,降低维数。进行离散余弦变换,取出部分系数作为频率域特征。对变换后的重构图像利用奇异值分解和局部二值模式提取代数特征和纹理特征,将这三方面特征融合成新的特征向量。这样既降低了维数,又综合了三方面的特征优势,保证了利用支持向量机分类,定位人脸的效果。实验结果表明,该方法具有较高的检测率,且鲁棒性较好。     

基于分形特征的二值图像检索方法的研究

论述了基于分形特征的二值图像检索方法。图像的内容由4种特征来描述:图像分形维数、图像分形矢量、边界分形矢量和骨架分形矢量。实验表明该方法计算简单、有效,匹配快速,检索结果比较理想,只要查询图像在图库中,就一定能通过该方法检索出来。另外,该方法还具有一定的鲁棒性,证明这种检索方法是具有较大实用意义的。     

基于Gabor小波和核保局投影算法的表面缺陷自动识别方法

研究了Gabor小波变换和核保局投影(Kernel locality preserving projections, KLPP)算法的原理, 分析了热轧钢板表面缺陷的特点, 提出了一种基于Gabor小波和KLPP算法的特征提取方法, 并应用于热轧钢板表面缺陷自动识别. 首先利用Gabor小波将图像分解到5个尺度8个方向的40个分量中, 接着对原始图像和各个分量的实部和虚部分别提取均值和方差, 得到一个162维的特征向量, 然后利用KLPP算法将该特征向量的维数降到21维, 最后利用多层感知器网络对样本进行分类识别. 本文提出的特征提取方法具有计算简单、可并行处理的特点, 对沿一定方向分布的边缘和纹理具有较高的区分能力. 利用从工业现场采集的缺陷图像对本文方法进行了实验, 识别率达到93.87%.     

综合颜色纹理形状特征的图像检索

图像特征的提取和使用在基于内容的图像检索中至关重要.研究了在基于内容的图像检索系统中整合颜色,纹理,形状的提取方法.将图像按照一定的规则进行分块,对各个分块分别进行各种特征向量的提取.颜色特征的提取是基于YUV颜色空间的颜色直方图,纹理特征的提取采用Gabor滤波器,形状特征的提取是基于Zernike矩的计算.实验结果表明,综合图像的颜色、形状和纹理特征提高了图像检索的准确性.     

深度置信网络在极化SAR图像分类中的应用

目的 深度置信网络能够从数据中自动学习、提取特征,在特征学习方面具有突出优势。极化SAR图像分类中存在海量特征利用率低、特征选取主观性强的问题。为了解决这一问题,提出一种基于深度置信网络的极化SAR图像分类方法。方法 首先进行海量分类特征提取,获得极化类、辐射类、空间类和子孔径类四类特征构成的特征集;然后在特征集基础上选取样本并构建特征矢量,用以输入到深度置信网络模型之中;最后利用深度置信网络的方法对海量分类特征进行逐层学习抽象,获得有效的分类特征进行分类。结果 采用AIRSAR数据进行实验,分类结果精度达到91.06%。通过与经典Wishart监督分类、逻辑回归分类方法对比,表现了深度置信网络方法在特征学习方面的突出优势,验证了方法的适用性。结论 针对极化SAR图像海量特征的选取与利用,提出了一种新的分类方法,为极化SAR图像分类提供了一种新思路,为深度置信网络获得更广泛地应用进行有益的探索和尝试。     

基于小波变换的纹理图像分割

基于小波的纹理图像分割方法是把小波变换应用于纹理的特征提取。通过对原始纹理图像进行高阶小波分解，构成每个象素对应一个特征矢量，对所提取的特征利用均值举类算法进行分类，最终获得图像的分割结果。为了提高纹理分割图像的边缘准确性和区域性以及降低分割错误率，提出了利用特征加权来进行后分割的方法。     

基于人体手指静脉特征提取算法的研究

根据人体手指静脉图像的特点,提出了一种基于降维思想的手指静脉特征提取方法,即搜索二维灰度图像中的静脉在一维灰度曲线上形成的谷形区域来实现静脉特征的提取.为了对手指静脉特征的充分提取,在进行特征提取前,采用了高频强调滤波对图像进行增强处理.实验结果表明,该方法思想独特,简单易行,对手指静脉的特征提取达到满意的效果.     

具有统计不相关性的图像投影鉴别分析及人脸识别

提出了一种新的图像投影鉴别分析方法。与Liu鉴别投影分析方法相比，该方法具有能够消除投影特征向量之间相关性的优点，另外，所提出的方法是直接基于图像矩阵的，与以往的基于图像向量的鉴别方法相比，它的突出优点是大大地提高了特征抽取的速度。最后，在ORL标准人脸库和MUST603人脸库上的试验结果表明，所提出的图像投影鉴别分析方法较Liu的方法在识别性能上有了较大幅度的提高，在ORL标准人脸库和NUST603人脸库上的试验结果表明，所提出的图像投影鉴别分析方法较Liu的方法在识别性能上有了较大幅度的提高，在普通的分类器下分别达到95.5%和99.4%的识别率，该识别率明显优于颇有影响的Fisherfaces方法，而且，特征抽取的速度提高了近15倍。