基于灰度共生矩的SAR图像纹理特征提取方法

为更有效地提取合成孔径雷达（SAR）图像中的有效信息,提出了一种基于灰度共生矩阵的纹理特征提取方法。该方法在分析图像灰度共生矩常用特征描述量基础上,研究了窗口尺寸和位移向量对纹理特征的影响,通过比较不同目标各种纹理特征的分布及平均值的相差程度,计算了灰度共生矩阵的最佳窗口尺寸和位移向量,确定参与分类的可用纹理特征组合,...     

纹理图像的特征提取和分类

文章提出了一种纹理图像特征提取的有效算法.该算法利用纹理信息的频域分布以及尺度特性,并在此基础上进行纹理分类.这里采用了分类性能良好的支撑矢量机作为分类器,实验结果表明该方法提取的特征向量稳定,在类别数目比较大时也能得到较高的分类精度.     

纹理特征提取方法

纹理作为图像重要特征,广泛存在于各种图像中。文中主要介绍了基于分形维数提取法、小波提取法、Gabor滤波器提取法、灰度共生矩阵提取法等纹理特征提取的原理和步骤等,并对各个方法的优、缺点进行了归纳总结。     

基于纹理特征的图像检索

基于内容的图像检索是数字图书馆和多媒体数据库的重要研究内容。文中主要针对图像处理,特别是运用图像的纹理特性来查找或检索图像数据库。运用Ｇａｂｏｒ 变换进行纹理分析是比较成功的方法。小波变换尽管在这方面也取得了较好的效果,但在许多情况下,不如用Ｇａｂｏｒ滤波器效果好。文中就是在Ｇａｂｏｒ 滤波器的基础上生成Ｇａｂｏｒ 小波,对图像进行多分辨率分析,提取纹理特征,提供了一种基于图像纹理的图像检索方法,并对此给出了一些实验结果。     

基于纹理特征的图像检索

构造了具有旋转、平移和尺度不变的纹理特征,进而提出基于纹理图像检索算法.首先,根据角向矩极大原理将检索图像进行坐标校正,得到图像旋转不变的表示;然后,利用平移和尺度不变小波对检索图像进行分解,得到具有平移、旋转和尺度不变的小波分解系数;最后,采用各尺度的小波能量值刻画图像的纹理性,并针对特征向量内部进行高斯归一化,根据欧氏距离计算不同图像间的纹理相似度.基于内容的图像检索(CBIR)试验表明,该方法具有旋转、平移和尺度不变性,与其它方法相比,具有较高的检索率.     

基于纹理特征库的微光图像色彩纹理传递

对微光夜视图像进行了色彩和纹理的传递.在多次实验的基础上,从拍摄的大量微光图像里,提取不同模式的纹理块,构建了天空,道路、草地、树木四类景物的微光图像库,并结合灰度共生矩阵和Gabor滤波器提取图像纹理特征,建立其对应的纹理特征库.然后通过比对目标图像像素点纹理特征与特征库中各向量的相似性,来判定该像素所属类别,实现了微光图像的分割;最后,通过套印算法进行快速的色彩与纹理传递.实验结果表明,该算法实现了对微光图像较为准确的分割,得到了同时具有自然色彩和纹理的彩色夜视图像,更有利于人眼对目标的识别.     

一种基于加权二值法的舌像纹理特征的提取

舌诊是中医学特有的诊疗方法,可以简单高效地了解人体生理功能和病理变化。舌像的纹理特征是计算机辅助舌诊系统进行舌体图像分析的重要依据。为了提高二值模式对纹理描述的能力,得到丰富图像的纹理特征,提出了一种改进的加权二值算法。对舌体图像进行分块处理,利用二值法提取每个子块的直方图,对该直方图分配适当的权重,提取纹理图像的微结构信息和宏结构信息,将处理过的所有子块连接成最终的纹理特征图。经过实验验证该算法的正确识别率较高,同时具有较好的扩展性和实用价值。     

基于LBP-GLCM纹理特征提取的服装图像检索

提出了一种针对服装图像检索的LBP-GLCM纹理特征提取方法,首先利用Uniform-旋转不变局部二值模式算法处理服装图像,得到不会因为旋转而改变的编码图像,然后获取此图像的灰度共生矩阵,采用能量、对比度、相关性和均匀性描述图像的纹理特征.实验数据表明,LBP-GLCM纹理特征提取方法具有良好的抗旋转性,且在采用欧氏距离作为相似性度量时,LBP-GLCM相较于GLCM纹理特征提取方法可以获得更高的检索效率和准确率.     

基于生成对抗网络的高光谱图像特征提取

特征提取是高光谱数据处理领域的一个重要研究 内容。高光谱数据获取过程中的复 杂性使传统的特征提取方法无法良好地处理高光谱图像。同时,高光谱图像标记样本数量的 有限性,也为常用于特征提取的监督深度学习方法带来不利影响。为了摆脱对高光谱图像中 标记样本的依赖,在卷积神经网络的基础上引入生成对抗网络,针对光谱特征提出了一种无 监督的高光谱图像特征提取的方法。为了稳定网络的训练过程,提高生成对抗网络中判别器 的特征表示能力,在目标函数中引入梯度惩罚项,将判别器的性能不断逼向最优。在特征提 取阶段,针对高光谱图像的光谱结构,提出了一种通道最大池化方法,能够在降低数据维度 的同时尽可能保留高光谱图像的光谱信息。使用支持向量机(support vector machines,SVM)和k近邻(k-hearest neighbor,KNN)方法对 提取到的特征进行分类测试。在两个真实数据集上的实验结果表明,提出的方法优于传统的 特征提取方法。     

增量式块主成分分析的焊缝图像特征提取算法北大核心CSCD

针对焊缝图像特征提取的实时性问题,该文提出一种增量式块主成分分析(incremental block principal component analysis,IBlockPCA)算法,用于焊缝特征主成分的提取。该算法先将焊缝表面图像分割成子图像块并对其进行重构,然后利用提出的IBlockPCA算法对局部块图像进行增量式特征提取,并采用KNN算法对提取的特征主成分进行分类识别;最后在焊缝数据集上进行了算法的性能对比。实验结果表明,该算法在收敛率、分类率及复杂度等方面均优于其他主成分分析(principal component analysis,PCA)算法,其分类识别率为97.5%,其平均处理速度可达50 frame/s,能够满足焊缝表面图像的实时性处理需求。     

基于局部结构张量-互信息的多模态图像配准

针对红外与可见光图像难以提取特征点实现配准的问题,提出一种基于边缘结构特征的红外与可见光图像配准算法。首先通过优化的显著性算法增强红外图像的结构特征;其次利用相位一致性提取红外和可见光图像的稳定边缘结构;然后提取边缘结构的ORB（oriented FAST and rotated BRIEF）特征点;最后结合KNN（K-nearest neighbor）算法和余弦相似度对匹配特征点进行筛选,并应用RANSAC（random sample consensus）算法进行提纯。实验表明,该算法能够克服灰度差异的影响,具有较高的配准精度和效率,有助于实现红外与可见光图像的配准。     

UFKLDA: An unsupervised feature extraction algorithm for anomaly detection under cloud environment

In a cloud environment, performance degradation, or even downtime, of virtual machines (VMs) usually appears gradually along with anomalous states of VMs. To better characterize the state of a VM, all possible performance metrics are collected. For such high‐dimensional datasets, this article proposes a feature extraction algorithm based on unsupervised fuzzy linear discriminant analysis with kernel (UFKLDA). By introducing the kernel method, UFKLDA can not only effectively deal with non‐Gaussian datasets but also implement nonlinear feature extraction. Two sets of experiments were undertaken. In discriminability experiments, this article introduces quantitative criteria to measure discriminability among all classes of samples. The results show that UFKLDA improves discriminability compared with other popular feature extraction algorithms. In detection accuracy experiments, this article computes accuracy measures of an anomaly detection algorithm (i.e., C‐SVM) on the original performance metrics and extracted features. The results show that anomaly detection with features extracted by UFKLDA improves the accuracy of detection in terms of sensitivity and specificity.     

基于HOG特征的织物瑕疵检测算法

传统织物瑕疵检测依赖人工,成本高且效率低.提出基于机器视觉和图像处理算法的织物瑕疵检测方法,采用方向梯度直方图描述织物纹理特征,通过计算局部区域的方向梯度直方图特征与无瑕疵织物图像特征的相似性来识别瑕疵,在织物图像数据集上的待测结果表明,此算法能够有效地提取出织物的瑕疵.     

基于纹理特征与行扫描结合的目标提取方法

为了从复杂图像中将目标精确提取出来,提出了一种基于纹理特征与行扫描结合的目标提取方法。该方法在精确的检测出目标图像边缘的同时,降低了图像模糊或干扰较多时对目标提取产生影响的概率。仿真实验结果表明该算法思路简单,提取精度高,鲁棒性好,具有较大的实用价值。     

基于多尺度Canny算子的人耳几何特征提取与识别

针对人耳特点提出了一种基于耳廓边缘几何结构的识别方法,在结合多尺度Canny算子检测出单像素耳廓边缘的基础上,通过提取耳轮边缘上的若下关键距离来描述耳轮形状,提取耳甲腔边缘上的角点区域来描述内耳结构,最终利用耳轮形状特征向量及内耳结构特征向量实现分类识别.特征向量的表示分别以长轴和质心作为参照标准,保证了其具有平移、旋转和缩放不变性.在选取的人耳图像库上实验取得了较高的识别率,同时,对光照条件变化具有一定的鲁棒性,实验结果表明该方法的有效性以及利用人耳图像进行身份识别的可行性.     

Image feature extraction and classification based on statistical geometrical features

纹理识别是计算机视觉领域一个重要的课题,本文研究了统计几何特征（SGF）纹理分析方法并与向量机结合构建分类系统。对支持向量机（SVM）的多分类方法的实现,构建了粗分类和细分类相结合的多分类器,实现了纹理图像的准确划分,为有效纹理特征的表示奠定了基础。本文对统计几何特征提取方法进行了研究,利用图像函数图来进行纹理描述,使用一个可变的阈值把～幅灰度纹理图像切割成一系列二进制图像,由二进制图像的连通域、几何拓扑属性推导纹理描述特征。实验结果表明,统计几何特征具有非常强的纹理描述能力,同时能够克服图像的旋转。     

基于数学形态滤波的话者识别系统的特征提取

重点研究在噪声环境下，话者识别中语音信号的特征提取。将能简化信号，消除较小分量而保留信号的基本特征的数学形态滤波器良好的滤波性应用在一维语音信号的处理中。并在噪声环境下，应用线性预测的MFCC特征提取方法提高鲁棒性。提取几种重要的语音特征参数，包括线性预测倒谱系数、MEL倒谱系数、语音动态参数、激励源特征等，对这些参数进行分析和比较，以达到话者识别的目的。     

基于点云数据特征的电力线快速提取和重建

为了解决电力线点云可能存在交跨线点云较难处理、绝缘子点云较难分割、现有算法模型研究不完整问题,采用了基于点云数据特征的电力线快速提取和重建方法,首先通过输电线路体素栅格高程特征进行点云快速粗分类,然后运用随机一致性算法进行点云快速精化,采用顾及交跨线的滤波算法高效准确提取电力线点云,针对电力线局部线性模型分割出绝缘子,最后采用局部加权质心的方式提取电力线关键点,实现电力线的快速重建,并进行了理论分析和实验验证,取得了较好的实验结果。结果表明,电力线提取与重建综合准确率95.3%,总体耗时2.5s以内,验证了算法的快速性、准确性和鲁棒性。这一结果对电力线点云提取和重建有一定帮助。