遗传算法在烘焙面包品质分类中的研究与应用

焙面包切片区域图像的灰值游程矩阵提取数学统计量参数作为纹理特征,利用神经网络实现对面包品质的分类.由于神经网络是一种黑箱操作,难以对分布在其中的知识进行解释.采用基于对隐层神经元输出值聚类的遗传算法实现了对面包品质分类的规则抽取,实验结果表明该方法具有优良的识别效果.     

图像处理技术在面包烘焙品质检验中的应用

阐速了数字图像处理技术在烘焙面包品质检验中的应用,依据灰度共现矩阵算法提取图像的纹理特征,并通过二值化后的烘焙面包切片计算出其体积。试验结果表明,该方法不仅为面包烘焙品质的快速自动检验提供了客观准确的科学依据,使感官评价的指标客观化,而且经济可行。     

仓储物害虫分类识别中纹理特征的提取

阐述了在仓储物害虫分类识别研究中,利用计算机数字图象处理技术,根据仓储物害虫图象的灰值游程矩阵自动提取图象的纹理特征的主要技术和方法。试验结果表明,该方法对外部形态相近或近缘种的分类提供了比较稳定的特征值,有利于机器的自动和快速识别。     

基于中值-游程共生矩阵的纹理特征提取

提出了一种基于中值-游程共生矩阵模型的纹理特征提取方法.该方法利用了图像的灰度信息和等灰度游程长度信息,通过计算图像的中值矩阵和游程矩阵,从而计算出中值-游程共生矩阵,来提取图像的特征.仿真结果表明,该方法能有效地分割出纹理图像上区域特性不同的纹理,且分割效果优于等灰度游程矩阵和灰度共生矩阵.     

基于纹理特征的高分辨率SAR 影像居民区提取

利用灰度共生矩阵计算高分辨率SAR 图像的纹理特征, 通过统计分析选取合适的特征矢量,并基于非监督聚类分析提取居民区。对提取的居民区以一定的面积阈值剔除噪声(细小区域) , 并利用形态学算子对提取边界进行适当的归整, 得到最终结果。在对应的光学图像上人工提取居民区范围, 以此作为实验结果的评价标准。实验结果表明本方法可以得到较好的效果。
     

纹理图像中重复纹理元素提取方法

提出了一种交互式纹理图像中纹理元素提取算法,该算法能够在用户提供少量交互的情况下较好地实现纹理图像中重复纹理元素的同时提取。首先采用均值漂移聚类算法将纹理图像分割成独立且连通的子块区域,并构建图像子块区域之间的连通关系;然后结合颜色特征与纹理特征定义一个鲁棒的相似性度量公式,从而准确地捕获具有外观相似特征的纹理元素;在此基础上,通过进一步改进优化的图割模型,最终实现高质量的纹理元素提取。该算法针对前/背景颜色相近的纹理图像中纹理元素的提取有较大改善,并且大大提高了现有图像分割算法的时间效率。     

基于彩色图像纹理特征的提取方法

纹理特征是图像分析研究的重要依据,纹理特征提取的方法很多。本文探索一种依照图像的色彩信息,提取图像纹理特征的简洁方法。其方法是：根据色彩距离,找出色彩变化较大的住置作为纹理的位置。     

基于纹理累积游程直方图的图像检索

纹理检索是基于内容的图像检索的重要技术之一,通过定义图像的像素游程长度,来获取累积游程,然后得到图像的累积游程直方图。实验证明,把累积游程直方图应用到基于内容的智能图像检索系统(Intelligent Query By Image Content System)中,不仅能实现图像检索方法的智能选取,且使用累积游程图检索图像能获取较好的检索效果。     

辅以纹理特征的洪泽湖湿地信息提取

湿地是自然生态系统的重要组成部分。快速、准确地获取湿地基础信息,对湿地的动态监测、保护和可持续利用具有重要意义。鉴于传统方法的分类效果不理想,本文辅以灰度共生矩阵的纹理特征对洪泽湖进行湿地的信息提取,并与传统的ISODATA方法的提取结果进行了比较,结果表明,辅以纹理特征的方法使得精度有了较大提高。     

主元分析法在烘焙面包切片图像特征提取中的应用

阐述主元分析在烘焙面包品质检验中的应用,并在图像的特征提取方法方面进行了探讨.试验结果表明,该方法为面包烘焙品质的快速自动检验提供了客观准确的科学依据,使感官评价的指标客观化.     

基于灰度共生矩阵的纹理特征提取①

纹理广泛存在于自然界中,是物体表面最本质的属性。纹理分析技术一直是热门的研究领域,纹理特征提取作为纹理分析的首要任务更是人们研究的焦点。针对五种木材纹理提出了用灰度共生矩阵的方法提取纹理特征,通过MATLAB仿真实现,结果表明由灰度共生矩阵产生的四个纹理特征能有效的描述木材的纹理特征,具有较好的鉴别能力。     

一种综合颜色和纹理特征的图像检索算法

对图像颜色特征和纹理特征进行了研究。在图像颜色特征方面,利用人类的视觉特性,对图像不同分块的主色进行确认和加权处理,获得加权主色颜色特征;在纹理特征方面,利用统计法和结构法构造灰度-差分基元共生矩阵来提取纹理特征。在此基础上,通过高斯归一化方法将颜色特征和纹理特征进行综合,形成最后的图像检索特征,并给出了利用该特征的图像检索算法。实验结果表明,所提出的灰度-差分基元共生矩阵特征提取较传统的灰度共生矩阵特征更加精细,在此基础上综合利用颜色和纹理特征的图像检索方法具有更好的检索精度。     

基于统计地形特征的纹理检索方法

提出了一种利用图像函数图的信息来进行纹理描述的方法.图像函数图在三维空间中所形成的曲面形状看起来像地形地貌.提出的方法被称为统计地形特征,它首先用一个可变水平平面去切割图像函数的图可得到一些实体,然后从这些实体的几何和拓扑属性推导出4条特征曲线来描述纹理特征.在Brodatz和VisTex纹理集上的比较实验结果表明,统计地形特征的检索性能高于多维度自回归纹理模型、统计几何特征和离散小波变换等方法.     

铜导线断裂痕迹形态的图像特征提取与分析

纹理是断口的重要特征,不同的断裂原因造成断口的纹理特征是不一样的,它提示了图像中亮度值空闻变化的重要信息。图像宏观上表现出来的是二雏特性,可以将其灰度变化看成是图像的第三维特征来进行研究,这个“第三维”的表现可以用图像的能量或者所舍信息量来表示。常用的图像纹理特征提取的方法有：统计法、利用空间自相关函数作纹理测度、频谱法、联合概率矩阵法、纹理的句法结构分析法。本文主要从频谱法和灰度共生矩阵法两个方面对4种不同原因造成的铜导线断口图像做纹理特征的提取与分析。     

基于半规则纹理合成的流场可视化技术

直接利用半规则纹理本身蕴涵的方向信息对流场进行可视化．结果直观有效,而且适用的纹理范围广泛,丰富了流场可视化的手段,首先应用基于块的二维方向纹理合成方法生成第一帧图像,随着流体的流动,每一小块的4个顶点移动到新的位置,然后将原有的纹理映射到新的四边形上,同时计算出每个点的变形程度,如果某点变形过大,那么把该点标为无效点,重新合成,最后,一帧帧连续合成的纹理组成一个流场可视化的动画。     

GLCM based extraction of flame image texture features and KPCA-GLVQ recognition method for rotary kiln combustion working conditions

According to the pulverized coal combustion flame image texture features of the rotary-kiln oxide pellets sintering process,a combustion working condition recognition method based on the generalized learning vector(GLVQ) neural network is proposed.Firstly,the numerical flame image is analyzed to extract texture features,such as energy,entropy and inertia,based on grey-level co-occurrence matrix(GLCM) to provide qualitative information on the changes in the visual appearance of the flame.Then the kernel principal component analysis(KPCA) method is adopted to deduct the input vector with high dimensionality so as to reduce the GLVQ target dimension and network scale greatly.Finally,the GLVQ neural network is trained by using the normalized texture feature data.The test results show that the proposed KPCA-GLVQ classifer has an excellent performance on training speed and correct recognition rate,and it meets the requirement for real-time combustion working condition recognition for the rotary kiln process.     

基于特征加权的自然纹理FCM聚类分割算法

为了实现自然材质的纹理分割,根据自然纹理的弱规则性特点,提出一种由图像灰度值、灰度分布统计及图像纹理能量统计作为纹理表征的特征参数,并组成三维特征矢量以实现自然纹理分割的算法。考虑到样本不同特征值对分类的不同影响,算法中引入了特征加权的FCM模糊聚类方法以提高各特征参数在聚类约束力上的可控制性,从而实现纹理图像的更有效分割效果。实验证明,该方法简单高效、可控性强,对各种自然纹理图像具有较好的纹理分割效果。