一种变换域纹理图像特征提取和分割方法

以对偶树复小波变换为基础,提出了一种提取纹理图像变换域统计特征,进而实现图像非监督分割的方法。该方法用Gamma分布和对数正态分布建模对偶树复小波系数的模值,将两种分布的参数综合起来作为像素特征,利用边缘保持的平滑技术（EPNSQ）进行特征平滑,最后使用K－均值聚类方法实现特征分类,得到图像的非监督分割结果。实验结果表明所提取的特征可以有效地表征不同的纹理,基于该特征得到了更为精确的图像分割结果。     

基于双树复小波和灰度共生矩阵的遥感图像分割

提出了一种将双树复小波变换和灰度共生矩阵相结合描述遥感图像局部纹理特征并用于分割的方法。该方法采用双树复小波高频模值子带Gamma分布与Lognormal分布参数组合特征、灰度共生矩阵特征组成的联合纹理特征作为遥感图像每一像素特征,然后用Canberra距离进行相似性度量,最终通过聚类完成遥感图像分割。实验结果表明,该纹理特征提取方法可以有效地表征遥感图像的纹理,得到更为精确的遥感图像分割结果。     

基于对偶树复小波变换的模糊纹理分割

提出了一种基于对偶树复小波变换的模糊纹理图像分割算法,该方法包括纹理特征提取和纹理分类两个阶段,其中,特征提取在对偶树复小波变换的基础上进行;纹理分类可以直接用模糊C均值算法进行聚类从而完成纹理的分割,但由于该算法中隶属度函数是基于样本到类中心的距离设计的,这对非球形分布数据很不合理,针对该问题,引入样本与样本的紧致度来度量类中各个样本之间的关系从而修正隶属度函数,并将其用于纹理分类。实验结果表明与模糊C均值算法在运行时间上相差不大的情况下,改进的方法在分割精度、边缘准确性和区域一致性上都得到了明显的改善。     

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。     

基于PDTDFB变换的彩色纹理图像检索

为提高纹理图像的检索效率,提出一种基于统计模型的纹理特征提取方法.采用金字塔对偶树方向滤波器组实现图像变换,利用Gamma分布对方向子带系数进行建模,通过矩估计方法得到分布参数,并作为纹理检索的特征,使用改进的KL距离度量相似性.在VisTex彩色纹理图像数据库上的检索结果表明,与DT-CWT小波变换相比,该方法的平均检索率较高.     

基于对偶树复小波和MRF模型的纹理图像分割

基于对偶树复小波（DT-CWT）和马尔可夫随机场（MRF）模型提出了一种监督纹理图像分割算法,算法包括两个步骤,首先对复小波变换系数进行较为精确的建模,提取其一阶统计信息作为纹理特征,综合多个尺度的信息,基于极大似然标准进行初始分割;其次,将初始分割结果用MRF模型表示,基于贝叶斯最大后验（MAP）融合初始分割结果,得到最终的分割结果。算法应用于合成纹理图像和实际图像得到了良好的结果,对比实验表明算法所采用的纹理特征的提取方法、小波变换方式、用MRF模型来建模标号等是算法简洁有效的基础。     

基于小波变换与图割的彩色图像分割方法

为提高图割算法的分割效率与质量并改善shrinking bias现象,提出将图割理论与小波变换相结合的方法.该方法利用小波变换多分辨率分析的特点,将变换中的低频子带图像作为估计GMM参数的训练样本进行多尺度迭代分割,提高算法效率,利用简单高效的CS_LBP纹理描述子提取高频子带图像中的纹理信息,将颜色与纹理特征相结合改善分割效果,并利用高频系数进行多尺度边缘检测,用于计算局部自适应的正则化参数,改善对细长边界的分割.实验结果表明,分割效果得到了改善,算法效率得到了提高.     

基于双树复小波域统计图像建模的纹理特征提取

统计图像建模方法使用某种参数控制的分布模型来描述纹理及其特征,即参数估计是该类方法的核心问题.鉴于此,提出一种新的纹理特征提取方法,利用广义伽马分布和广义冯cdot米塞斯分布在图像的双树复小波域上进行统计建模,利用对数累积量法进行高效的参数估计完成纹理特征提取.在VisTex和Brodatz纹理库上进行分类实验,结果表明所提方法能够有效捕获图像的纹理特征,获取较高的识别率.     

基于Contourlet的中低码率图像质量可分级编码算法

首先对图像Contourlet变换各子带系数的分布情况进行了统计分析,进而给出了一种基于Contourlet变换的空间方向树结构,并统计验证了该空间方向树的"零树"特性.同时针对图像Contourlet变换各子带"重要系数"的分布情况提出了一种基于图像Contourlet方向子带的多尺度量化方案,该方案对图像的边缘方向信息和纹理信息具有很好的捕捉能力,在此基础上提出了一种基于Contourlet变换的嵌入式图像质量可分级编码算法,该算法除了具有一般基于小波变换的零树编码方法的特性外,还具有方向性和各向异性的特点,其解码图像在中低码率下无论是PSNR还是纹理和边缘区域的视觉效果均优于SPIHT算法.实验结果验证了所提出算法的有效性.     

一种有效的基于小波信息分布熵的图像检索技术

在分析基于小波域图像索引技术的缺点后,提出一种基于小波信息分布熵的图像检索新方法.该方法首先将图像分割成若干个子图像,然后对这些子图像进行三层小波变换,并对小波变换后的各个子带图像进行处理以获取纹理图像,从而大大减少了计算的复杂性.最后以小波纹理直方图为概率密度函数,计算各个子图像的信息分布熵,不但使图像特征有紧密表示,而且也使图像检索的速度大大加快.实验结果表明,该方法对图像检索是有效的.     

Bayesian texture classification and retrieval based on multiscale feature vector

This paper proposes a supervised multiscale Bayesian texture classifier. The classifier exploits the dual-tree complex wavelet transform (DT-CWT) to obtain complex-valued multiscale representations of training texture samples for each texture class. The high-pass subbands of DT-CWT decomposition of a texture image are used to form a multiscale feature vector representing magnitude and phase features. For computational efficiency, the dimensionality of feature vectors is reduced using principal component analysis (PCA). The class conditional probability density function of low-dimensional feature vectors for each texture class is then estimated by using Parzen-window estimate with identical Gaussian kernels and is used to represent the texture class. A query texture image is classified as the corresponding texture class with the highest a posteriori probability according to a Bayesian inferencing. The superior performance and robustness of the proposed classifier is demonstrated for classifying texture images from image databases. The proposed multiscale texture feature vector extracted from both magnitude and phase of DT-CWT subbands of a query image is also shown to be effective for texture retrieval.     

基于纹理分析的多源信息融合方法研究

基于二元树复数小波变换的优良性能,结合遗传算法及证据理论,对图像纹理特征进行分析处理.首先利用DT CWT的移动不变性、良好的方向选择性、完备的重构性、有限的与尺度无关的冗余度以及很高的计算效率等特点提取丰富的图像纹理特征；然后应用遗传算法的寻优能力对纹理特征进行约简；最后采用基于证据理论的数据融合方法实现多源信息融合目标识别.物体非损伤性评价实验表明该算法具有很好的识别效果.     

基于多尺度融合的甲状腺结节图像特征提取

甲状腺结节是一种常见的多发病,超声技术是该疾病首选的检查方法。在超声图像中提取区分甲状腺结节良恶性的纹理特征并进行判别具有广阔的临床应用前景。双树复小波变换（Dual-tree complex wavelet transform,DT-CWT）和Gabor小波是纹理特征提取的常用方法。本文提出一种基于多尺度的DT-CWT和Gabor特征融合的甲状腺结节识别方法。该方法首先通过高斯金字塔将甲状腺超声图像分解到多尺度空间,然后提取图像的DT-CWT和Gabor的多尺度特征,最后实现特征融合。通过应用支持向量机（Support vector machine,SVM）分类器实现分类,验证特征提取方法的有效性。实验结果表明,本文提出的方法能达到较高的识别率。     

基于Log-Polar和DT-CWT的旋转不变纹理分类算法

提出了一种基于对数-极坐标变换和双树复数小波变换的旋转不变纹理分类算法。该方法首先对纹理图像进行对数-极坐标变换将旋转转化为平移,再用具有平移不变性的双树复数小波对变换后的图像滤波并计算各子带的能量值组成旋转不变特征向量,最后利用支持向量机算法实现纹理图像的分类。将本方法与其它旋转不变纹理分类算法进行比较,实验结果表明,提出的算法能有效地提高正确分类率。     

基于Contourlet变换和均值漂移的SAR图像分割

基于斑噪特性和纹理特征,提出了一种完全无监督的SAR图像分割算法。针对SAR图像的Contourlet变换,提出了子带选取的能量标准,对选定的子带计算能量特征和共生特征;依据特征向量的相似度剔除相近特征向量,用均值漂移算法获取纹理区域数和相应的中心特征,用像素的特征向量与相应中心特征向量的距离确定它们的分类。该文提出的方法不需要先验知识和训练样本。实验表明,基于Contourlet变换的均值漂移分割算法对混合Brodatz图像和SAR图像的分割取得了满意结果。     

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。     

2D双树复小波与判别共同矢量结合的人脸认证

针对人脸认证中的小样本问题和Gabor小波特征提取的不足,提出一种有效的人脸认证算法。对预处理后的图像进行2D双树复小波变换,将每幅图像不同尺度下多个方向的小波系数幅值作为特征矢量,表征重要的局部信息;将提取的特征矢量向判别共同矢量空间投影,进一步提取具有判别能力的特征,同时进行降维;根据用户特定阈值进行认证。ORL人脸库和FERET子库上的实验结果验证了算法的有效性。