分形分维在遥感图像纹理分析中的应用

基于分形几何学的影像纹理分类是以影像纹理的分维值为最基本的分类依据,影像分维值不同则属于不同的纹理类型。介绍了三种计算影像分维值的算法和数学模型,应用结果表明,综合运用三种方法进行纹理分析能得到满意的结果。     

基于分形特征的细胞核表面纹理分析

提出了一种改进的基于分块迭代函数系统的分形维估计方法,对骨髓涂片中不同成熟阶段的粒细胞核表面的纹理进行了研究.该方法首先通过压缩仿射变换对细胞核灰度图象进行分块迭代函数系统构建,然后从该系统中提取出反映细胞核分形特征的匹配块因子、尺度系数等参数用于计算分形维.为了避免对细胞核表面分形维的过高估计,就匹配块因子、尺度系数的计算进行了改进.对60幅不同类型的粒细胞核表面图象进行比较实验,其结果表明该方法提取的分形参数可有效地反映不同细胞核表面间的纹理差异,它们可作为细胞识别中的新特征量.     

A Viewpoint Invariant,Sparsely Registered,Patch Based,Face Verifier

Sparsely registering a face (i.e., locating 2–3 fiducial points) is considered a much easier task than densely registering one; especially with varying viewpoints. Unfortunately, the converse tends to be true for the task of viewpoint-invariant face verification; the more registration points one has the better the performance. In this paper we present a novel approach to viewpoint invariant face verification which we refer to as the “patch-whole” algorithm. The algorithm is able to obtain good verification performance with sparsely registered faces. Good performance is achieved by not assuming any alignment between gallery and probe view faces, but instead trying to learn the joint likelihood functions for faces of similar and dissimilar identities. Generalization is encouraged by factorizing the joint gallery and probe appearance likelihood, for each class, into an ensemble of “patch-whole” likelihoods. We make an additional contribution in this paper by reviewing existing approaches to viewpoint-invariant face verification and demonstrating how most of them fall into one of two categories; namely viewpoint-generative or viewpoint-discriminative. This categorization is instructive as it enables us to compare our “patch-whole” algorithm to other paradigms in viewpoint-invariant face verification and also gives deeper insights into why the algorithm performs so well.     

基于纹理谱的纹理分割方法

纹理分析是图象处理中的一个重要领域。本文提出一种基于纹理谱特征分割纹理图象的方法。它首次将纹理谱特征与区域生长算法结合起来，从而实现了无监督的纹理分割。纹理谱特征具有对方向性敏感等优点，基于纹理谱的纹理图象分割取得了良好效果。     

基于分形与纹理映射的3D地形仿真

文章研究了基于分形与纹理映射技术的3D地形仿真技术.该技术通过分形插值算法与DEM数据矩阵的线性变换构建出各类特征的地形模型,并利用分形纹理及位图纹理,通过纹理映射技术及光照模型仿真出平原、高山、草地、海洋等各类地形地貌,实现了具有逼真效果的3D地形的视景仿真,并可运用交互技术实现在视景终端以任意角度和高度进行观察.研究结果表明,文中提出的基于分形与纹理映射的地形仿真技术,方法简洁,地形生成速度快,地形、地貌仿真效果逼真生动,适用范围广,具有很好的应用价值.     

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。     

基于分形参数的中药材显微图象纹理分析

提出了一种基于分形维数分析中药材显微图象的方法。将中药材显微图象视为灰度纹理图象,依据分形布朗运动性质和功率谱法对4种中药材显微图象进行分维数计算。结果表明:中药材显微图象具有分形的特征,分维数能有效地描述纹理的结构与灰度,不同的显微图象对应不同的分维数,分维数可作为分析图象及进一步识别图象的一个定量参数。     

一种基于分形和金字塔算法的纹理综合方法

提出一种基于分形理论和Laplacian金字塔算法的纹理综合方法,该方法以目标纹理作为输入,通过金字塔算法和直方图匹配,生成与目标纹理视觉相似的任意大小的癸纹理图象。这种方法以人类感知纹理的视觉模型为基础,对计算机图形生成技术具有现实的意义。     

无监督纹理遥感图像分形分割仿真

针对无监督纹理遥感图像分形分割时,仅利用光谱信息,没有充分利用遥感图像中的纹理信息造成过分割或是欠分割的问题,提出结合光谱信息和纹理信息的无监督遥感图像分形分割方法。方法首先借助于双边滤波算法建立双边滤波模型,对无监督遥感图像进行平滑处理,利用边缘检测算子获取无监督遥感图像的纹理梯度和光谱梯度,保留遥感图像的纹理信息。将图像纹理梯度和光谱梯度的内积范数作为K-means算法的距离测度,针对K-means算法易陷入局部寻优问题,将遗传算法与K-means算法相结合实现全局寻优,完成无监督纹理遥感图像分形分割。通过在高分辨率遥感图像上的分割对比实验,证明上述方法能充分利用遥感图像的光谱和纹理信息,分割效果良好。     

彩色图像分形维数的计算方法

分形维数是描述图像复杂性的一种重要测度,广泛应用于图像特征提取及图像分类、分割和检索等方面。多种黑白图像和灰度图像的分形维数计算方法已被提出,但其中很少有适用于彩色图像的分形维数计算方法。把计算灰度图像分形维数的差分盒维法扩展到欧氏五维空间,提出了一种简单且易实现的计算彩色图像分形维数的方法。实验结果表明,提出的方法能够捕捉到彩色图像纹理的复杂性,在识别彩色图像粗糙度变化和计算精度方面优于其它算法。     

基于分形特征的自然景物图象分割方法

提出了一种基于分形特征分割自然景物图象的方法。分割的主要目标是找出景物中的人造物体。首先构造了一组分形纹理特征,给出了图象不同部分的粗糙度及纹理基地大小、方向特性的描述,以此为基础进行图象分割。此外,通过对盒维数方法中的参数拟合性能的分析,对维数估计方法进行优化,理论和实验表明,在自然环境中,该方法能够区 的纹理区域及人造目标,达到满意的分割结果。     

基于叶缘与叶脉分数维特征的植物叶识别方法研究

讨论了一种基于叶缘和叶脉分数维描述的叶图形特征提取方法。该方法先将植物叶的叶缘跟叶脉进行分离,并根据多个阈值进行边缘检测得到多个叶脉图像,再分别计算叶缘及多个叶脉的二维分数维,将此作为植物叶分类识别的依据。     

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。     

基于谱直方图和SOFM网络的纹理分类

提出了一种基于纹理谱直方图和自组织特征映射网络的纹理分类方法。引入像素的八近邻离散付氏变换犤5犦,随机选取局部纹理区域,计算所选纹理区域的纹理谱并量化得到谱直方图,将其作为自组织特征映射(SOFM)网络的特征模式输入并训练网络。训练结束后的拓扑输出层对应于纹理的不同类别。算法简单有效,对6类Brodatz纹理进行测试,得到了良好的分类效果。     

基于Radon变换和SWT的旋转不变纹理分类

提出了一种应用Radon变换和离散平稳小波变换(SWT)的旋转不变纹理分类算法。该方法首先对纹理图像进行Radon变换将旋转转化为平移,再用具有平移不变性的离散平稳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实现纹理图像的分类。将本方法与其它旋转不变纹理分类法进行比较,实验结果表明,提出的方法能有效地提高正确分类率。     

分型维数特征量对病变组织的超声定征

按照Ｍａｎｄｅｌｂｒｏｔ的分形理论,医学图象及许多自然图象的灰度表面的形成均符合分形布朗运动规律。而且可以用分形的维数来表征图象灰度表面的精细与粗糙程度。文中正是基于这种思想,采用图象的分形维数作为一个特征参量,对人体的肌肉组织进行超声定征。     

Geometric Invariant Shape Representations Using Morphological Multiscale Analysis

In this paper, we present a new geometric invariant shape representation using morphological multiscale analysis. The geometric invariant is based on the area and perimeter evolution of the shape under the action of a morphological multiscale analysis. First, we present some theoretical results on the perimeter and area evolution across the scales of a shape. In the case of similarity transformations, the proposed geometric invariant is based on a scale-normalized evolution of the isoperimetric ratio of the shape. In the case of general affine geometric transformations the proposed geometric invariant is based on a scale-normalized evolution of the area. We present some numerical experiments to evaluate the performance of the proposed models. We present an application of this technique to the problem of shape classification on a real shape database and we study the well-posedness of the proposed models in the framework of viscosity solution theory.     

一种基于主矢量集的纹理图象分析方法

描述了一种基于多维纹理主矢量集与相应能量集的纹理图象表示及分析方法,并给出了由纺理图象求得主矢量集及相应能量集的计算过程,为了将该方法用于纹理识别及分析,文中讨论了在上述表示时,纹理图象的相似度度量,给出结构误差及能量的计算公式及两种计算结构误差、能量主总误差的算法,最后给出了用上述方法由计算机对Ｂｒｏｄａｒｚ的自然纹理图象及人工合成的规则纹理图象分析的实验结果,并与共发矩阵法作了比较,实验表明该     

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。     

一种采用CCPSO-SVM的煤与瓦斯突出预测方法

为了有效地对矿井煤与瓦斯突出进行预测,提出了一种基于完全混沌粒子群优化(CCPSO)与支持向量机 (SVM)的矿井煤与瓦斯突出预测方法。该方法将矿井工作面前方煤体瓦斯涌出量动态变化时间序列的多重分维谱 作为特征指标,应用支持向量(SVM)构建预测模型,模型的参数向量由改进的完全混沌粒子群优化算法和测试集样 本集分类错误率最小准则选择和优化。实验结果证明,该方法是有效的,它为煤与瓦斯突出预测提供了一种新途径。