基于Quaternion-Gabor滤波器的彩色纹理分割算法研究

提出一种的简单快速的多通道Gabor滤波技术对彩色纹理进行分割。首先,通过DRBFT和IDRBFT对彩色纹理的进行多通道Gabor滤波,再运用PCA对滤波得到的特征向量进行降维,对降维后的特征向量进行k-mean聚类,最后再对聚类后的区域用mean shift进行平滑,通过对平滑后的区域进行边缘检测就可以得到不同纹理的边界。最后给出几种分割算法的实验结果比较,表明该算法对于分割彩色纹理还是非常有效的。     

Multiresolution genetic clustering algorithm for texture segmentation

This work plans to approach the texture segmentation problem by incorporating genetic algorithm and K-means clustering method within a multiresolution structure. As the algorithm descends the multiresolution structure, the coarse segmentation results are propagated down to the lower levels so as to reduce the inherent class–position uncertainty and to improve the segmentation accuracy. The procedure is described as follows. In the first step, a quad-tree structure of multiple resolutions is constructed. Sampling windows of different sizes are utilized to partition the underlying image into blocks at different resolution levels and texture features are extracted from each block. Based on the texture features, a hybrid genetic algorithm is employed to perform the segmentation. While the select and mutate operators of the traditional genetic algorithm are adopted in this work, the crossover operator is replaced with K-means clustering method. In the final step, the boundaries and the segmentation result of the current resolution level are propagated down to the next level to act as contextual constraints and the initial configuration of the next level, respectively.     

结合分水岭的纹理梯度各向异性图像分割

目的 目前,许多图像分割算法对含有丰富纹理信息的图像的分割效果并不理想,尤其是在不同纹理的边缘信息的保持方面。为了解决这一问题,提出一种基于连续纹理梯度信息的各向异性图像分割算法。方法 在分水岭算法的基础上,引入纹理梯度各向异性算法,能够在避免纹理信息影响分割效果的前提下,最大限度地保证纹理边缘信息的完整。针对纹理特征数据敏感的特性,本文将离散的图像高度信息映射到连续的纹理梯度空间,能够有效减少由细小差异造成的过分割现象。结果 本文方法在BSD500 Dataset和Stanford Background Dataset中选择了大量的纹理信息丰富的图片与最新的分割算法进行了实验与对比。本文方法在分割效果（降低过分割现象）、保持边缘信息和分割准确率等方面均获得明显改进,并在图像分割的平均准确率方面与最新算法进行比较发现,本文算法的平均分割准确率达到90.9%,明显超过了其他最新算法,验证了本文方法的有效性。结论 本文提出的基于分水岭的纹理梯度各向异性算法对纹理图像的分割具有保边和准确的特点,采用连续梯度空间的方法能够有效地减少传统分水岭算法的过分割现象。本文方法主要适用于纹理信息丰富（自然纹理和人工纹理）的图片。     

应用谱直方图和EM的纹理图像分割算法

提出了一种基于谱直方图和EM的纹理图像分割算法。为了获得图像的纹理特征,首先对原始图像进行滤波,然后利用谱直方图的思想和方法,把每个图像子块用独立的谱直方图来进行表示,该直方图在图像的表示上具有很好的本质扩展性。其次采用?字2作为距离度量函数对谱直方图进行计算得到特征值。为了得到初始分割结果,通过EM（期望最大化）对特征值矩阵进行分类,得到有效的初始分割结果。最后使用形态学方法对边界进行定位,从而实现图像的由粗到细的分割。实验结果证明：该算法用于纹理图像分割能获得很好的效果。     

一种基于小波变换的无监督纹理分割算法

提出了一种基于小波变换和均值偏移的无监督纹理图像分割算法。首先用小波变换对图像进行二级小波分解,然后用均值偏移算法估计出粗尺度上对应的聚类数目,并结合模糊c均值算法进行聚类,在此基础上,用定义的阈值函数和Fisher判据确定出细尺度上每个初始聚类中心的一个同组,从而实现图像的由粗到细的分割。实验结果表明,在分割精度相差不大的情况下,该方法解决了传统聚类方法所存在的需要聚类数目和对初始聚类中心敏感问题。     

基于图像颜色纹理的均值漂移分割算法

针对传统均值漂移算法对图像纹理特征不敏感的不足,利用图像纹理特征的独特性,提出了一种基于颜色纹理的均值漂移分割算法.结合欧式距离和高斯函数计算当前像素点与其周围像素点的颜色相似度,再使用Gabor变换提取图像不同方向、尺度上的纹理特征,结合颜色的相似度,对该像素点均值漂移的过程加权.该算法充分考虑了图像纹理的周期性、尺度性以及图像颜色的关联性.实验结果表明,算法对色彩信息不明显的纹理图像有良好的分割效果,也会提高彩色图像分割结果的准确性.分割算法用于大型水上桥梁识别,能够提高桥梁识别率.     

基于纹理方向能量特征的虹膜识别算法

为了解决传统虹膜识别系统在非理想虹膜图像下识别性能不够好的问题,提出了基于纹理方向能量特征的虹膜识别方法。该方法先设计一组水平与垂直的方向滤波器提取虹膜的纹理边缘,比较虹膜纹理边缘在两个方向的能量强度,生成方向能量差异特征图。将特征图分块,选取每块能量差值的极值点作为有效特征点,编码生成特征向量。此外,膨胀噪声模板,消除噪声以及卷积运算中噪声点对周围有效特征点的影响。用汉明距离进行匹配。在采用中科院提供的CASIA3.0虹膜库测试中获得了较好的识别率。     

基于空域结构的自适应纹理识别算法

提出了基于空域结构的纹理识别算法。用纹理的基元结构分布与纹理分布字典参数进行了相关及旋转相关比较,得出了纹理归类结果及纹理相似的最佳精度,用可识别纹理参数调整纹理分布字典,使之具有自适应性。实验结果表明,用本算法识别的纹理与视觉识别结果高度一致。     

联合纹理和二维阈值分割的减背景方法

为了有效地检测出交通场景中的运动车辆,在背景建模阶段,提出在多个子时间组里建立多个自适应的纹理直方图作为像素的背景描述模型,能更好地适应环境变化。为了充分地描述纹理信息,扩展了LBP(local binary pattern)算子;为了更好地实现减背景方法,采用的二维Otsu阈值分割方法能有效消除噪声的影响;为了解决背景更新滞后的问题,使用帧间差分能更准确地提取出运动车辆。在不同交通场景下的实验比较结果表明了该算法的有效性。     

Binary segmentation algorithm for English cursive handwriting recognition

Segmentation in off-line cursive handwriting recognition is a process for extracting individual characters from handwritten words. It is one of the most difficult processes in handwriting recognition because characters are very often connected, slanted and overlapped. Handwritten characters differ in size and shape as well. Hybrid segmentation techniques, especially over-segmentation and validation, are a mainstream to solve the segmentation problem in cursive off-line handwriting recognition. However, the core weakness of the segmentation techniques in the literature is that they impose high risks of chain failure during an ordered validation process. This paper presents a novel Binary Segmentation Algorithm (BSA) that reduces the risks of the chain failure problems during validation and improves the segmentation accuracy. The binary segmentation algorithm is a hybrid segmentation technique and it consists of over-segmentation and validation modules. The main difference between BSA and other techniques in the literature is that BSA adopts an un-ordered segmentation strategy. The proposed algorithm has been evaluated on CEDAR benchmark database and the results of the experiments are very promising.     

基于权值优化与纹理特征的快速人脸分割算法

针对传统GrabCut在GMM迭代估计阶段仅单纯地考虑像素点的RGB彩色信息,当前景细节区域与它的周围区域颜色差异较大时容易发生分割错误,以及基于像素的运算导致分割效率不高的问题,提出一种结合权值优化与CS-LBP纹理特征的改进算法。该算法首先利用多尺度分水岭对图像进行预分割,构建区域邻接图,然后对每个区域进行颜色和纹理特征的提取,通过权值迭代优化算法使区域的数据项权值与周边分块区域的权值相关联,采用自适应参数将纹理约束项引入能量函数,并将改进算法应用于人脸图像分割,有效改善了分割效果。实验结果表明,本算法分割结果更加准确,效率更高。     

A new algorithm for remotely sensed image texture classification and segmentation

In this paper, we propose a new algorithm for remotely sensed image texture classification and segmentation. We observe that the traditional method least square error (LSE) is unstable in practical applications. This motivates us to develop a more stable method. We have proposed the regularization technique to suppress the instability of LSE in previous research. Our contribution in this paper is that we propose a new stable method, which is based on the total variation (TV) for reducing instability in texture analysis, and apply it to remotely sensed image texture classification and segmentation. Experimental results on remotely sensed images demonstrate that our new algorithm is superior to LSE and seems promising in applications.     

基于纹理与灰度协同进化的图像分割算法

为了获得更好的分割效果,成功地将局部二值模式(LBP)纹理模型和灰度特征纳入到合作型协同进化算法(Co-CEA)框架中,并实现了图像分割。 该方法首先分别对LBP纹理模型和灰度特征进行编码,然后运用Co-CEA进行进化操作,最后通过本文提出的联合适应度函数确定分割区域。实验结果表明该方法在分割质量上效果明显,并有效地降低了时间复杂度。     

基于小波变换和kd树聚类的快速纹理分割算法

提出了一种基于小波变换和k均值聚类的快速纹理图像分割算法。该方法包括特征提取、特征平滑、纹理分割三个阶段。其中,特征提取在金字塔结构小波变换的基础上进行;特征平滑利用一种四分法来完成特征图像的噪声平滑和边缘保持;纹理分割则利用kd树作为数据结构来运行k均值聚类算法从而实现纹理图像的快速分割。实验结果表明与直接的k均值聚类算法相比,该方法在运行时间上得到了明显的提高。     

Active contour model-based segmentation algorithm for medical robots recognition

In this paper, an identifying and classifying algorithm is proposed to solve the problem of recognizing objects accurately and effectively. First, via image preprocessing, initial images are obtained via denoising, smoothness, and image erosion. Then, we use granularity analysis and morphology methods to recognize the objects. For small objects identification and to analyze the objects, we calculate four characteristics of each cell: area, roundness, rectangle factor, and elongation. Finally, we segment the cells using the modified active contour method. In addition, we apply chromatic features to recognize the blood cancer cells. The algorithm is tested on multiple collected clinical cases of blood cell images. The results prove that the algorithm is valid and efficient when recognizing blood cancer cells and has relatively high accuracy rates for identification and classification. The experimental results also certificate the effectiveness of the proposed method for extracting precise, continuous edges with limited human intervention, especially for images with neighboring or overlapping blood cells. In addition, the results of the experiments show that this algorithm can accelerate the detection velocity.     

基于Log-Gabor子带图像分割的虹膜识别算法

提出一种基于Log-Gabor子带图像分割的虹膜识别算法。该方法具有平移、放缩和旋转不变性,并且生成的虹膜特征码仅288B。实验结果和数据分析证明该方法的合理性和可行性。     

基于颜色纹理信息的盲道识别算法

针对现有盲道识别率低,处理方式单一,且容易受光照、阴影的影响等问题,提出一种改进的盲道识别算法。该方法针对盲道颜色、纹理特性,分别利用颜色直方图特征的阈值分割结合改进的区域生长分割,灰度共生矩阵特征的模糊C均值聚类分割,结合Canny边缘检测和Hough变换算法,使得盲道区域与周围人行区域分开,确定出盲道的偏移方向。实验结果表明,该算法能够更加精准地分割多种类型盲道,检测出盲道区域的边界与行进方向,而且解决了部分光照和阴影问题,能够自适应选择速度最快而且高效的分割方法,可以应用在电子导盲等多种设备中。     

基于图像分块的改进Fisher人脸识别算法

二维方法用于图像矩阵特征提取,虽然速度快,但影响了分类速度。针对二维线性鉴别分析（Two-Dimensional Linear Discriminant Analysis,2DLDA）的特点,研究了一种基于图像分块的改进Fisher人脸识别算法,该算法首先对人脸图像进行压缩降维处理,得到相应的特征矩阵,然后利用改进Fisher算法对特征矩阵进行类间离散度矩阵和类内离散度矩阵的计算,该算法充分考虑了类别信息,避免了传统Fisher算法造成的小样本问题,有效提高了分类速度。基于ORL（Olivetti Research Laboratory）与Yale人脸数据库的实验结果证明了该算法的有效性。     

基于MobileNet的移动端城管案件目标识别算法

针对目前大量安装的固定监控摄像头存在监控死角，以及移动设备硬件性能较低等问题，提出一种可在较低性能的IOS移动设备上运行的城市管理案件目标识别算法。首先，在MobileNet中增加新的超参数，优化输入输出图像的通道数与每个通道所产生的特征图数量；随后，将改进后的MobileNet与SSD目标识别框架相结合构成一种新的识别算法，并移植到IOS移动端设备上；最后，该算法利用移动端设备自带的摄像头拍摄案发现场视频，实现对8种特定城管案件目标的准确检测。该算法检测结果的平均精度均值（mAP）与原型YOLO和原型SSD相比，分别提升了15.5个百分点和10.4个百分点。实验结果表明，所提算法可以在低性能IOS移动设备上流畅运行，减少了监控死角，为城管队员加速案件分类与处理提供了技术支撑。     

基于多级纹理频谱特征与PCA的人脸识别算法

针对主成分分析(PCA)算法在人脸识别中识别率低的问题,提出一种图像纹理频谱特征与PCA相结合的人脸识别算法。该算法利用纹理单元算子提取人脸图像纹理频谱特征,然后用PCA对所提取的特征降维,最后利用最近邻(KNN)分类器进行人脸识别。在ORL人脸库和Yale人脸库上对所提出的算法进行了测试,识别率均高于PCA、模块化二维PCA(M2DPCA)等方法,分别为96.5%和95%。实验结果表明了该算法的有效性和准确性。