基于局部沃尔什变换的纹理特征提取方法研究

本文提出一种基于局部沃尔什变换提取图像纹理特征的新方法。首先给出局部沃尔什变换的定义,然后分 析了局部沃尔什变换系数的统计特性及其各阶矩的纹理鉴别性能,并选取具有较好鉴别性能的2、4、6阶矩作为纹理特征。 实验结果表明,与灰度共现矩阵方法、纹理谱方法、局部傅立叶变换方法、MRF模型方法、Gabor滤波器组方 法相比,基于局部沃尔什变换的纹理特征具有更好的鉴别性能,且计算简单。     

基于多分辨率Trace变换的纹理图像分类

针对Trace变换提取的图像特征缺乏对纹理边缘信息描述和计算代价高的问题,利用小波变换对图像轮廓的表征优势,提出了多分辨率Trace变换并应用于纹理图像分类.首先,将小波变换引入到Trace变换中,对纹理图像进行非下采样小波变换,得到不同频率的低频特征子图及高频边缘子图;其次,在各级子图上进行一组泛函的Trace变换,获取纹理图像的融合特征,在获得图像边缘信息的同时避免了Trace变换不同泛函组合计算代价过高的问题;最后,把融合特征送入支持向量机对图像进行分类.实验结果表明,对图像采用多分辨率Trace变换提取的融合特征具有更好的纹理描述能力,相对于传统Trace变换及MCM等对比方法具有更高的鉴别性能,且在时间效率上相对于传统Trace变换有大幅提升.     

高分辨率SAR图像机动目标纹理特征提取与分析

该文基于高频区目标散射中心理论分析了高分辨率SAR图像机动目标和自然地物后向散射特性的差异,探讨了两类目标纹理现象产生的机理,并在此基础上,分别基于局部统计量和分形模型提取机动目标的纹理特征,给出了鉴别特征优选方法。文中利用MSTAR的车辆目标实测数据检验了该文计算的纹理特征,给出纹理特征优选结果以及各纹理特征鉴别的性能,结果表明该文提取的纹理特征具有较好的鉴别性能,能消除大部分自然地物产生的虚警。     

自适应阈值及加权局部二值模式的人脸识别

针对局部二值模式(LBP)和中心对称局部二值模式(CS-LBP)方法描述图像纹理特征时,阈值不能自动选取并且图像中不同子块的贡献也没有进行区分的问题,该文提出一种自适应阈值及加权的局部二值模式方法。首先,将图像进行分块,采用设定的自适应阈值提取每个子块的LBP或CS-LBP纹理直方图;然后,将各子图像的信息熵作为直方图的加权依据,对每个子块对应的直方图进行自适应加权,并将所有子块的直方图连接成最终的纹理特征;最后,通过快速计算图像均值加快了算法的计算速度。在人脸数据库上进行的实验证明,利用该文提出的方法提取纹理特征,并结合最近邻分类法可以得到较高的正确识别率。     

基于金字塔分解和扇形局部均值二值模式的鲁棒纹理分类方法

针对传统局部二值模式(LBP)的特征鉴别力有限和噪声敏感性问题,该文提出一种基于金字塔分解和扇形局部均值二值模式的纹理特征提取方法。首先,将原始图像进行金字塔分解,得到对应于不同分解级别的低频和高频(差分)图像。为提取兼具鉴别力和稳健性的特征,进一步采用阈值化处理技术将高频图像转化为正、负高频图。然后,基于局部均值操作提出一种扇形局部均值二值模式(SLMBP),用于计算各级分解图像的纹理特征码。最后,对纹理特征码进行跨频带的联合编码和跨级别的直方图加权,从而获得最终的纹理特征。在公开的3个纹理数据库(Outex, Brodatz和UIUC)上进行分类实验,结果表明该文所提方法能够有效地提高纹理图像在无噪声环境和含高斯噪声环境下的分类精度。     

基于BoF和迹变换多特征融合的图像纹理分类研究

针对BoF模型缺少几何特征、结构特征的表达，对纹理图像特征描述不充分等问题，提出一种基于BoF和迹变换多特征融合的图像纹理分类方法。首先通过关键点检测的方法获取纹理图像的碎片化图像，然后提取碎片化图像的迹变换特征和SIFT特征，通过特征交叉编码的方式和动态鉴别能量的方法，获取迹变换特征和SIFT特征的融合特征并进行特征单词优选，再以BoF模型进行特征编码，最后输入到支持向量机（SVM）中进行训练、预测和分类。实验在OutexTC10/TC12000和KTHTIPS纹理数据集上分别取得了100%、99.87%和97.6%的识别精度，结果表明该设计方法对具有几何特征、结构特征的纹理图像可以获得较好的分类效果，有效地提高了纹理分类的识别性能。     

融合局部纹理和形状特征的人脸表情识别

针对局部二值模式(LBP)、中心对称局部二值模式(CS-LBP)和梯度方向直方图(HOG)的不足进行改进,该文提出中心对称局部平滑二值模式(CS-LSBP)和绝对梯度方向直方图(HOAG),并提出一种融合局部纹理特征和局部形状特征的人脸表情识别方法。该方法首先采用CS-LSBP算子和HOAG算子分别提取人脸表情图像的局部纹理特征和局部形状特征,然后使用典型线性分析法(CCA)进行特征融合,最后利用支持向量机(SVM)进行表情分类。在JAFFE人脸表情库和Cohn-Kanade(CK)人脸表情库上的实验结果表明,改进的特征提取方法能更加完整、精确地提取图像的细节信息,基于CCA的特征融合方法能充分发挥特征的表征能力,该文所提人脸表情识别方法取得了较好的分类识别效果。     

基于Gabor滤波器和局部纹理特征提取的SAR目标识别算法

该文提出了一种基于Gabor滤波器和Three-Patch Local Binary Patterns(TPLBP)局部纹理特征提取的合成孔径雷达(Synthetic Aperture Rader, SAR)图像目标识别算法。首先, 利用Gabor滤波器对SAR图像在不同方向上进行滤波, 增强SAR图像中目标及其阴影的关键特征;然后, 利用TPLBP算法对Gabor滤波之后的图像进行局部纹理特征提取, 该算法克服了Local Binary Patterns(LBP)算法无法描述大范围领域纹理特征的缺陷, 并且保持了LBP旋转不变的特性, 减少了SAR图像目标方位变化对识别效果的影响;最后利用极限学习机(Extreme Learning Machine, ELM)分类器实现目标识别。该文通过MSTAR数据库中的3类SAR目标识别实验验证了该算法的有效性。      

基于DCT压缩域的纹理图像分类

该文提出了一种在基于离散余弦变换(DCT,Discrete Cosine Transform)压缩域进行纹理图像分类的方法。此方法主要利用了DCT域能量具有方向性的特点,直接在游程长编码(RLE,Run LengthEncoding)形成的码流中根据这种方向性来提取、组织特征矢量,对纹理图像进行分类。此方法只需对压缩图像进行简单的Huffman解码,要处理的数据量较少,处理速度快。实验结果表明,这种分类方法具有较高的准确性。     

基于融合DCT和LBP特征提取的面部表情识别

针对离散余弦变换(DCT)只能提取面部表情图像的全局特征,而忽略了临近像素之间的关系、不能提取纹理特征信息、不能准确区分相似表情等问题,提出一种融合离散余弦变换方法和局部二值模式(LBP)特征的表情特征提取方法。该方法首先将人脸图像经过DCT获得的低频系数作为表情的全局特征;然后用LBP对贡献率较大的嘴部、眼睛区域进行局部纹理特征提取,通过将LBP提取到的局部纹理特征与DCT提取到的全局特征进行融合,从而得到更有效的表情特征;最后利用支持向量机(SVM)进行识别。实验结果表明:该方法比单独使用DCT方法提取的表情特征更有利于识别,提高了表情识别的准确性,并将这个表情识别方法用于智能轮椅的控制上,收到了良好的效果。     

Integration of wavelet transform,Local Binary Patterns and moments for content-based image retrieval

The proliferation of large number of images has made it necessary to develop systems for indexing and organizing images for easy access. This has made Content-Based Image Retrieval (CBIR) an important area of research in Computer Vision. This paper proposes a combination of features in multiresolution analysis framework for image retrieval. In this work, the concept of multiresolution analysis has been exploited through the use of wavelet transform. This paper combines Local Binary Pattern (LBP) with Legendre Moments at multiple resolutions of wavelet decomposition of image. First, LBP codes of Discrete Wavelet Transform (DWT) coefficients of images are computed to extract texture feature from image. The Legendre Moments of these LBP codes are then computed to extract shape feature from texture feature for constructing feature vectors. These feature vectors are used to search and retrieve visually similar images from large database. The proposed method has been tested on five benchmark datasets, namely, Corel-1K, Olivia-2688, Corel-5K, Corel-10K, and GHIM-10K, and performance of the proposed method has been measured in terms of precision and recall. The experimental results demonstrate that the proposed method outperforms some of the other state-of-the-art methods in terms of precision and recall.     

基于加权WHT的软判决序列快速估计算法

利用WHT(Walsh Hadamard Transform)进行PN序列估计,存在抗误码性能不足、受序列多项式抽头数限制等问题。针对这些问题,该文提出一种基于加权WHT的软判决序列快速估计算法。首先,对硬判决容错似然限、多项式抽头数制约因素进行理论分析。然后,将序列软信息引入到序列频次系数中提高估计性能;对WalshHadamard矩阵进行列加权处理,改变矩阵二元元素性质,降低多抽头对估计性能的影响。同时,进行序列控制状态选择,将多抽头多项式转化为少抽头多项式进行估计。仿真结果表明,该算法性能较WHT算法性能提高约1.5dB,基本不受估计多项式抽头和阶数限制。     

DS-CDMA系统正交码调制的抗多址干扰性能及其改进

本文推导非同步 Ｃ Ｄ Ｍ Ａ 系统多址干扰表达式,计算正交码调制码组相关性对多址干扰的影响。提出一种改进型 Ｗ ａｌｓｈ＋ Ｇ Ｍ Ｗ 正交码组,分析比较 Ｗ ａｌｓｈ 正交码组和 Ｗ ａｌｓｈ＋ Ｇ Ｍ Ｗ 正交码组应用于非同步 Ｃ Ｄ Ｍ Ａ 系统的性能。计算机模拟结果表明应用改进型正交码组时系统性能获得改善。     

A note on a new walsh transformation method for delta modulated functions

In this paper an extremely simple device for the calculation of the Walsh Discrete Transform of a function which is delta modulated is presented. The design presented allows the Transform to be calculated with a very simple hardware and making the demodulation unnecessary.     

基于多特征融合的均值迁移粒子滤波跟踪算法

仅用单一的颜色特征进行跟踪是大多数跟踪算法鲁棒性不高的主要原因。针对此问题,该文提出一种多特征融合跟踪算法。该算法利用颜色和纹理特征表示目标,通过均值迁移和粒子滤波算法进行特征融合,有效地避免了单一颜色特征在光照变化和背景相似情况下的不稳定问题。将两种常用的融合策略结合,减轻了粒子的退化现象,提高了算法效率。实验结果表明该算法提取的目标特征具有较强的鲁棒性,能实现复杂场景下的目标跟踪。     

圆迹变换及图像纹理分析

针对迹变换提取的特征对于含圆弧形纹理图像描述欠佳的问题,提出了圆迹变换及其纹理特征提取方法.圆迹变换使用圆迹线来跟踪图像,并将圆迹线上的泛函结果映射到由半径、长度和角度三个参数生成的空间上,对该结果继续做泛函积分,能得到图像四重圆迹空间特征.在圆迹线上使用不同的泛函能得到不同的圆迹变换结果,不同的泛函组合能获得不同的圆迹变换特征,能表示图像不同的纹理性质和更深层次的图像信息,产生多维的圆迹变换纹理特征信息.在Coil-20对象图库及Brodatz纹理库上对含圆弧形图像的分类实验表明,在训练样本较少的情况下,利用圆迹变换提取的纹理特征,其识别能力比迹变换都有明显提升,对于包含圆形、弧线形纹理的图像具备了更好的分辨能力.     

Effective compressed sensing MRI reconstruction via hybrid GSGWO algorithm

In a bio-imaging context, the main issues which obstruct the CS (Compressed sensing) application are image reconstruction time and computational cost. This paper presents an effective compressed sensing-based MRI reconstruction through a hybrid optimization algorithm. Initially, the preprocessing stage is performed using Cross guided bilateral filter. Then the K-space is generated by the Fourier transform. The hybrid Walsh Hadamard Transform and Discrete Wavelet Transform (HWHDWT) is utilized for the compressive sensing of the images. Finally, the Hybrid Galactic Swarm Optimization and Grey Wolf Optimization (HGSGWO) algorithm are developed for MRI reconstruction. The dataset collected from a hospital which contains MRI images both in JPEG and DICOM format. The performance of SSIM (Structural Similarity Index), PSNR (Peak Signal to Noise Ratio), MSE (mean square error) and reconstruction time are evaluated for images and it is compared with the existing methods.