影像纹理分类的马尔可夫随机场方法与试验研究

针对马尔可夫随机场方法用于影像纹理分类进行了探讨。主要探讨了以下三个方面的问题：（１）如何从备选马尔可夫随机场模型中找出最适合的模型;（２）马尔可夫随机场模型参数的估计问题;（３）如何利用马尔可夫随机场模型参数进行影像纹理分类。最后以实际试验情况表明所提出的方法是可行的。     

新的纹理分类算法

提出了一种基于特征符号随机场描述的纹理分类方法。特征符号随机场是纹理图象的一种二维描述,综采用离散的符号来描述纹理图象的结构性特征。     

基于小波和高斯-马尔可夫随机场的纹理分割

为了提高纹理分割的准确性和区域一致性，降低分割的错误率，在文献[5]的基础上，提出了一种基于小波和高斯．马尔可夫随机场(GMRF)的纹理分割方法。该方法首先对图象进行Gabor小波分解，得到一系列分辨率不同的子图象，然后采用基于GMR的K-均值聚类算法从最低分辨率图象进行聚类，一直到最高分辨率为止，这样就得到一个原始图象的初始分割，最后引入特征加权算法^[7]，进行后分割，得到最终分割结果，并对仿真结果与文献[5]的算法进行了比较，表明该算法是比较有效的．     

基于小波与高斯Markov随机场组合的轮廓纹理分割

为综合多尺度纹理模型和高斯型Markov随机场纹理模型各自的优点，本文提出了组合这两种模型的方法，Mallat的经验法、高斯型Markov随机场纹理模型和组合方法的对比实验表明，当纹理结构包含微结构时，组合方法分割纹理轮廓的性能最好、     

基于无参数Markov随机场模型的彩色纹理综合方法

提出一种基于多尺度、无参数Markov随机场模型和KL变换的彩色纹理综合方法。该方法能捕捉原始纹理的高阶统计特性,综合出与原始纹理视觉一致的彩色纹理图像。实验结果证明该方法对彩色纹理图像的综合非常有效。     

基于马尔可夫随机场的纹理图像并行分割

基于消息传递接口（Message Passing Interface,MPI）和消息传递并行编程模型,提出了一种针对计算机集群（Cluster）的纹理图像并行分割算法。该算法使用马尔可夫随机场作为纹理特征,通过将图像分块,把特征提取的计算量均匀的分布到并行系统中的各个节点上,从而极大地减少了计算时间。在遥感图像上的实验发现,该算法在4机并行的环境下可以取得与单机串行程序一样精确的分割,而耗时仅为串行程序的31.95％。令人满意的实验结果表明该并行算法不但可以有效的应用于纹理图像分割,而且也为使用计算机集群实现高时间复杂度的图像处理提供了有益的启示。     

GMRF随机场在纹理特征描述与识别中的应用

为了建立描述自然纹理的参数体系,选用木材这种典型自然纹理为研究对象。提取了木材纹理的5阶GMRF参数,为了降低运算量,采用改进的模拟退火算法进行参数的优化与选择,形成了描述木材纹理最优GMRF参数体系,并将其送入分类器进行分类识别。实验结果表明：集成神经网络的总体分类识别率为94.0%,近邻分类器的总体识别率为91.0%,获得了较高的分类识别率。说明用该参数体系对木材纹理进行分类识别是可行的,该参数体系也可用于与木材纹理相近的自然纹理的描述。     

基于Markov随机场模型的纹理图像的缺陷检测

在工业自动化研究中,部件的缺陷检测是非常重要的过程。文中提出了一种基于图像纹理分析的表面缺陷检测方法,图像表面纹理特征是利用Markov随机场模型来描述的,通过学习和聚类分析来检测出纹理图像中有缺陷的区域。试验结果表明,该方法可以有效地描述不同种物质表面的纹理特征,并能准确地检测和定位缺陷。     

基于Markov随机场模型的纹理图像的缺陷检测

在工业自动化研究中，部件的缺陷检测是非常重要的过程。文中提出了一种基于图像纹理分析的表面缺陷检测方法，图像表面纹理特征是利用Markov随机场模型来描述的，通过学习和聚类分析来检测出纹理图像中有缺陷的区域。试验结果表明，该方法可以有效地描述不同种物质表面的纹理特征，并能准确地检测和定位缺陷。     

基于小波域高斯-马尔可夫随机场的纹理分割

提出了一种基于小波域高斯—马尔可夫随机场(GMRF)模型的无监督纹理图像分割算法。该算法首先利用纹理的小波特性并结合模糊C—均值聚类方法完成纹理在最小分辨率层的初始分类,接着逐层应用同步进行参数估计和像素标签的近似最大后验分割算法,得到原始图像的第一次完整分割。为了进一步提高分割效果,对每个像素邻域内的标签作统计,利用最大值原则,从而获得满意的分割结果。实验证明此算法与基于高斯金字塔GMRF模型的算法相比,分割结果有了很大的提高。     

一种纹理图象分类方法的研究

提出了一种基于矢量量化的纹理分类方法,通过矢量量化的方法生成原始图象的符号图象,并生成这个符号图象的共生矩阵,行家和共生矩阵的４个数字特征构成原始图象的纹理特征向量,使用２个特征向量之间的矩离作为匹配的标准,可以实现对纹理图象进行快速匹配分类。     

利用小变换和特征加权进行纹理分割

为了提高纹理图象分割的边缘准确性和区域一致性以及降低分割错误率,提出了一种基于小波变换的利用特征加权来进行纹理分割的方法。该方法包括特征提取、预分割和后分割3个阶段,其中,特征提取在金字塔结构小小以变换的基础上进行;预分割利用均人矣类算法来对原始图象进行初步的分割;后分割则根据预分割的结果对特征进行加权,然后利用最小距离分类器来实现图象的最后分割。与传统的方法相比,该方法在分割错误率、边缘准确性以及区域一致性等方面均有明显的改善。     

一种基于三进制小波变换的纹理分割方法

提出了一种基于三进制小波变换的纹理特征提取方法，多纹理图像经过三进制小波滤波器组后得到九个子带图像，采用小波系数的标准差作为纹理测度以生成特征向量，利用常规的C-均值聚类算法进行纹理分割，实验结果表明了该特征提取方法的有效性。     

基于改进归一化距离匹配函数的纹理周期自动提取方法

针对规则纹理和近似规则纹理,提出基于改进归一化距离匹配函数(INDMF)的纹理周期自动提取方法.该方法首先利用灰度共生矩阵的差异性作为纹理特征,去除改进归一化匹配函数的边缘,有效优化函数峰值间的稳定性.然后使用自适应峰值寻找算法去除噪声干扰,获得初始峰值序列并进行周期提取.最后使用众数计算最优周期.分别对Brodatz纹理和PSU周期纹理进行提取实验,结果显示文中方法运行效率较高,能有效提取自然纹理的结构周期.与累加DMF向前差分法相比,文中方法具有更好的抗噪声和抗畸变能力.     

基于小波分解和互信息的图像配准方法

根据小波分解和互信息测度的原理,提出一种快速的图像配准方法。首先,对原图像进行小波分解,在保证配准精度下对分解图像进行灰度压缩,以减少配准参数的计算量,并利用最大互信息准则和下降单纯形的搜索策略找到最优配准参数实现图像配准。实验结果表明,这种图像配准方法能在保证配准精度条件下,提高配准的速度。     

基于小波包和纹理特征的自适应水印算法研究

铺天盖地的数字信息的应用给多媒体信息安全带来诸多弊病,数字水印技术应运而生,其是版权保护、篡改提示、盗版跟踪等领域保护多媒体信息安全的有效措施.基于小波包分解和纹理特征的自适应水印算法在水印嵌人时,通过纹理分析自适应的选定嵌入位置和嵌入强度,从而更好地协调了鲁棒性和透明性.在仿真实验中,对含水印图像进行了几何剪切、加噪、马赛克等攻击操作.实验结果表明,鲁棒性有较大提高,特别是对几何剪切、马赛克等攻击其鲁棒性更明显.     

基于小波变换的实时影象匹配

讨论了一种基于小波变换的实时影像匹配方法。在多尺度特征提取的过程中，采用了局域正则性指数作为约束条件，保证了特征提取的可靠性；利用小波正交分解与重建实现了分层匹配；同时，采用特征与影像叠加进行了亚像素匹配。经过试验证明，上述方法是行之有效的。