煤与矸石图像灰度信息和纹理特征的提取研究

针对现有大多数煤与矸石图像识别方法只单一地利用灰度均值和灰度方差进行识别,存在识别准确度和效率不高等问题,提出了一种煤与矸石图像灰度信息和纹理特征提取方法。该方法提取具有代表性的特征参数,如灰度均值、平滑度及灰度共生矩阵的能量、对比度、相关性、熵等,作为识别煤与矸石的重要依据。Matlab仿真分析结果表明,以上特征参数可以有效地描述煤与矸石的图像特征,可为煤与矸石的自动识别与分选提供重要参考依据。     

基于纹理特征提取的图像分类方法研究及系统实现*

深入研究灰度共生矩阵算法,结合和差统计法对其进行改进。编码实现改进的图像纹理提取算法,并采用基于径向基内积函数内核的支持向量机方法对图像分类效果进行实验。通过训练和测试证明,该系统能减少特征提取的计算时间和存储空间,并可达到良好的图像分类效果     

基于SVM的图像纹理特征分类研究

支持向量机（SVM）是一种表现卓越的分类方法,而灰度共生矩阵（GLCM）则是一种很好的纹理分析方法,故而本文提出了一种使用灰度共生矩阵进行特征提取的应用支持向量机的纹理特征分类法。实验结果表明,与直接应用灰度信息进行分类的支持向量机算法相比,本文方法可以取得更为准确的分类结果。     

基于SVM和纹理的煤和煤矸石自动识别

为提高煤矸石的自动识别和分选效率,提出了基于支持向量机(SVM)和纹理识别煤矸石的方法.选取两种煤和一种煤矸石的图像作为样本,经过图像预处理及图像灰度和纹理特征分析后,发现灰度均值、灰度共生矩阵最大值、二阶矩、对比度、相关、熵为有效特征.在此基础上,采用了支持向量机来完成图像的自动识别过程,选取上述6个参数作为支持向量机的训练特征,实验结果表明,该支持向量机识别煤和煤矸石的成功率较高.     

基于支持向量机和灰度共生矩阵的纹理图像分割方法

图像分割是计算机视觉领域的研究热点。灰度共生矩阵是图像灰度的二阶统计度量,反映了纹理图像灰度在方向、局部邻域和变化幅度的综合信息,以能量、对比度、熵、差方差和差熵作为纹理图像的特征,利用支持向量机(SVM)对这些特征进行训练和分类,以达到纹理图像分割的目的。详细说明了纹理图像的分割过程,同时分析了不同参数情况下对分割精度的影响。针对Brodatz纹理库的实验结果表明:该方法具有较好的分割效果。     

基于多特征组合的图像纹理分类

在对纹理图像进行特征提取的算法中,高斯马尔可夫随机场(GMRF)、局部二值模式(LBP)和灰度共生矩阵(GLCM)这三种算法应用的较为广泛.常见的图像纹理分类做法是取某一种特征提取算法得到各种纹理的特征空间,进而配合分类算法进行分类.然而,这种做法的不足之处在于未能充分利用各种特征之间的关联,且选取某一种特征提取算法建...     

基于增强纹理谱描述符的图像检索①

提出了一种从图像低频信息提取纹理特征的方法。首先根据图像局部区域灰度均值与全局灰度均值间的关系,获取反映图像低频信息的二值图像;然后基于该二值图像,采用类似灰度共生矩阵的方法描述其纹理特征。实验结果表明,采用文中方法结合传统纹理谱描述符可有效提高图像检索的效率。     

基于增强纹理谱描述符的图像检索①

提出了一种从图像低频信息提取纹理特征的方法。首先根据图像局部区域灰度均值与全局灰度均值间的关系,获取反映图像低频信息的二值图像;然后基于该二值图像,采用类似灰度共生矩阵的方法描述其纹理特征。实验结果表明,采用文中方法结合传统纹理谱描述符可有效提高图像检索的效率。     

融合LBP和GLCM的纹理特征提取方法

为提取有效的特征用于纹理描述和分类,提出一种融合局部二进制模式(LBP)和灰度共生矩阵(GLCM)的纹理特征提取方法。利用旋转不变的LBP算子处理纹理图像,得到LBP图像及其GLCM,采用对比度、相关性、能量和逆差矩描述图像的纹理特征。实验结果表明,与其他方法相比,该方法提取的纹理特征具有更强的纹理鉴别能力,平均分类正确率达到93%。     

使用图割方法提取图像的纹理特征

研究目的是对代数多重网格（AMG）方法进行分析,粗网格中会保留强连接部分而去掉弱连接部分,可以提取图像的纹理信息。将AMG方法提取的图像的纹理特征结合到图分割算法中,针对具有纹理特征的图片构建能量函数,并使用最大流方法进行优化。使用一些自然图像进行了验证,结果证明针对该方法能够较好地提取图像的纹理特征。     

新的纹理图像特征提取方法

提出了一种新的基于非下采样Contourlet变换的纹理特征提取方法.首先对纹理图像进行非下采样Contourlet变换,然后提取不同尺度、不同方向上变换系数矩阵的均值和方差作为特征向量,大大降低了特征维数,并利用BP神经网络进行训练和仿真,实现了纹理图像的自动分类.实验结果表明,与小波包变换和改进的LBP纹理算子等方法相比,该方法能取得更好的分类效果.     

A simple texture feature for retrieval of medical images

Multimedia Tools and Applications - Texture characteristic is an important attribute of medical images, and has been applied in many medical image applications. This paper proposes a simple...     

瓷砖图像的纹理特征分类研究

在已有的瓷砖图像分类系统中,仅靠颜色特征和简单的纹理边缘信息只能对无花纹的单色砖或简单花纹的瓷砖进行有效分类,对复杂图案的瓷砖存在识别率低的问题。针对此种情况,结合瓷砖图像的灰度共生矩阵和统计几何特征,将这些特征输入支持向量机进行特征分层分类。采用基于径向基核函数和[K]交叉验证法所得到的最优参数构造支持向量机,解决瓷砖纹理特征具有非线性的分类问题。用瓷砖生产线上采集的大量图像进行实验表明,该方法准确率高,分类效果好。     

An optimum feature extraction method for texture classification

Texture can be defined as a local statistical pattern of texture primitives in observer’s domain of interest. Texture classification aims to assign texture labels to unknown textures, according to training samples and classification rules. In this paper a novel method, which is an intelligent system for texture classification is introduced. It used a combination of genetic algorithm, discrete wavelet transform and neural network for optimum feature extraction from texture images. An algorithm called the intelligent system, which processes the pattern recognition approximation, is developed. We tested the proposed method with several texture images. The overall success rate is about 95%.     

彩色纹理图像恢复的非局部TV模型及其特征保持

基于局部算子的不同形式的TV模型用于彩色图像噪声去除时往往存在边缘模糊、纹理模糊、阶梯效应、Mosaic效应等问题。本文基于非局部算子概念将传统的Tikhonov模型、TV模型、MTV模型、CTV模型推广到NL-CT模型、NL-LTV模型、NL-MTV模型、NL-CTV模型,并通过引入辅助变量和Bregman迭代参数设计了相应的快速Split Bregman算法。实验表明,所提出的非局部TV模型在纹理、边缘、光滑度等特征保持方面具有良好特性,且差异不大,但不同模型的计算效率存在较大差异。     

煤和矸石的气射式试验

利用气射式分选装置,采用正交试验的方法研究输送带速度、喷气压力和分选次数对混矸率和分矸率的影响,并对试验结果进行了回归和方差分析。分析结果表明,混矸率随带速增加而增大,随喷气压力和分选次数增加而减小;分矸率随带速增加而减小,随喷气压力和分选次数增加而增大;3个因素对分矸率和混矸率的影响显著,且主次顺序为带速、分选次数和喷气压力。     

煤和矸石的气射式试验

利用气射式分选装置,采用正交试验的方法研究输送带速度、喷气压力和分选次数对混矸率和分矸率的影响,并对试验结果进行了回归和方差分析。分析结果表明,混矸率随带速增加而增大,随喷气压力和分选次数增加而减小;分矸率随带速增加而减小,随喷气压力和分选次数增加而增大;3个因素对分矸率和混矸率的影响显著,且主次顺序为带速、分选次数和喷气压力。     

改进型HLBP纹理特征的行人检测

在行人检测中,Haar型LBP(HLBP)特征采用局部统计方式,有效地降低了噪声影响,相比LBP特征对图像纹理描述有明显优势。但是,HLBP特征在计算特征值时,中心点没有参与计算,导致其信息没有被利用。针对这一不足,提出了改进型HLBP(IHLBP)特征,该方法令中心点参与到计算工作中,并赋予其最大权值。首先利用二维离散Haar小波变换,对图像做两级分解处理,得到三种不同尺度图像;然后针对上述三种图像分别提取IHLBP特征并做归一化处理,最后串接三组特征得到最终的特征向量。在INRIA Person数据集上,采用SVM进行测试。实验结果表明,该方法能有效地提高行人检测识别率。