非织造材料外观质量识别的小波纹理分析方法

研究了两类小波域图像纹理特征提取方法在非织造材料外观质量描述中的应用。分别从高频子带小波系数中计算1-范数和2-范数能量基特征,以及根据小波系数服从广义高斯分布,采用极大似然估计法计算广义高斯分布的尺度参数和形状参数作为非织造材料纹理特征。以1-紧邻分类器正确识别率为评价指标,衡量了两类小波纹理特征在非织造材料外观质量识别中的纹理表达能力和可分性。实验数据表明,提出的两类纹小波纹理特征在非织造材料外观质量识别中具有较强的刻画能力和较好的质量。     

基于复数小波域广义高斯分布模型的纹理图像检索

由于在频域用能量参数来表示图像的特征矢量缺乏准确性,而且实数离散小波变换具有平移变化性和弱的方向选择性,为此针对以上问题提出了一种基于复数小波域广义高斯分布模型的纹理图像检索方法。该方法首先利用双树复数小波变换系数的统计特性来建立广义高斯分布的统计模型;然后基于该模型提取图像的特征矢量;最后利用Kullback-Leibler distance(KLD)测度算法进行纹理图像检索。对Brodatz图像库的仿真表明,新方法较双树复数小波算法的查准率提高6.96%,较基于Gabor纹理特征检索法的查准率提高了18.8%。同时复数小波系数统计模型具有旋转不变性。新方法对今后的纹理图像检索具有重要的理论与实际意义。     

基于改进Contourlet变换的纹理图像混合检索方法

Contourlet变换由于可以提供丰富而灵活的方向信息而被广泛地应用于纹理分析领域。一种改进的在频域具有良好局域性的Contourlet变换被应用于纹理图像的检索中。方向子带系数被建模为广义高斯分布,其分布参数用改进的最大似然方法进行估计并被用做纹理图像检索的特征。利用香农熵测度将纹理图像区分为结构性和随机性纹理图像,相应的一种新的基于能量特征和广义高斯分布参数的混合检索方案被提出。根据具有640个纹理图像的VisTex数据库,检索实验结果表明,和现有基于离散小波变换的方法相比较,平均检索率由76.57%提高到83.55%。     

一种基于分形维数的图像相似性检索特征

本文描述了一种采用小波包分解子带图像分形维数作为图像纹理特征进行图像相似性检索的方法。首先对图像进行小波包分解。每一个子带图像的分形维数构成图像的特征向量用于图像的相似性检索。实验表明,该方法计算速度快。在特征向量维数极少的情况下,该特征对于描述方向性和结构性较好的纹理具有良好效果。     

使用统计模型的动态红外和可见光图像融合

针对动态红外和可见光图像融合,提出了一种新的基于统计模型的融合方法,即将图像的小波分解系数用广义高斯分布来建模。首先,源图像分别用双树复小波进行分解;然后,采用加权平均融合规则来进行小波系数的融合,其中加权系数由估计的广义高斯分布参数来计算;最后,将融合后的系数重构为一幅图像。融合图像采用熵、互信息和边缘保持度Q^AB/F来进行质量评价,实验结果表明方法的性能优于其他两种动态图像融合方法。     

基于可控金字塔子带能量特征的文种识别方法

为了更精确地描述文本图像的纹理特征进行文种识别,提出了一种利用可控金字塔对图像进行分解并提取子带系数的特征量进行文种识别的方法.通过在两个不同质量图像库上进行的对比实验,证实了基于子带能量均值和标准差的方法具有更高的识别准确率,而基于广义高斯模型的方法对文本行倾斜更具有鲁棒性.     

基于可调控塔式分解系数统计建模的煤岩识别方法

针对传统煤岩识别方法易受采煤工艺、煤层赋存条件等因素限制而普适性不强的问题,提出了一种基于可调控塔式分解系数统计建模的煤岩识别方法。首先,对煤岩图像进行多尺度可调控塔式分解;然后,把非对称广义高斯分布作为一个统计模型去拟合每一个可调控方向子带的系数分布,采用最大似然估计法获得非对称广义高斯分布的各参数;最后,以对称的相对熵为距离测度完成煤岩图像的自动辨别。实验结果表明,与现有的其他方法相比,该方法的识别准确率最高,为86.90%。     

基于PDTDFB域混合建模的纹理图像检索

为了联合考虑特征提取和相似性测度以提高图像检索系统的性能,提出一种基于金字塔双树方向滤波器组(PDTDFB)域混合建模的纹理图像检索方法.首先将高频子带系数建模为广义高斯分布,将复方向带通子带的幅值系数建模为Weibull分布,并通过改进的最大似然估计方法确定其分布参数;然后采用一种新的相似性测度分别对VisTex和Brodatz数据库的纹理图像进行检索,得到和查询图像相似的图像子集.实验结果表明,与采用单一统计建模的方法相比较,该方法有效地提高了纹理图像的平均检索率.     

基于Contourlet广义高斯模型的纹理图像检索

Contourlet变换结合了不可分离的方向滤波组,具备小波所不能表达的多方向特性,能有效捕获自然图像的边缘轮廓信息。本文分析了图像Contourlet系数的统计特征,并利用广义高斯函数对各子带系数层进行建模。将此模型应用于基于V isTex的自建纹理图像库,采用矩匹配估计法,提取模型参数集,运用K-L距离计算图像间的相似度。对800幅纹理图像进行检索,本文方法比传统小波方法的平均检索查准率高出约2%到10%不等。实验结果表明,该方法改进了导向纹理的描述。     

改进的BEMD在纹理图像检索中的应用

二维经验模式分解（BEMD）方法把图像分解成一组称为固有模式函数（IMF）和残差,广泛应用在纹理图像的检索中。对BEMD检索纹理图像进行改进,使用快速自适应二维经验模式分解（FABEMD）对纹理图像进行分解,创新性地利用广义伽马分布密度函数来对FABEMD分解出来的IMF系数进行建模,并利用Kullback-Leibler距离来计算两张纹理图像的相似性。实验结果表明,算法快速有效。     

基于互补特征的纹理图像检索

针对互补特征可以有效地改善图像检索系统性能的特点,提出一种在改进Contourlet变换域采用L1能量与广义高斯分布参数特征的纹理图像检索方法。首先,应用改进的方法对方向子带系数进行广义高斯统计建模。然后,分别单独利用各个特征和相应的相似性测度进行检索。最后,基于直接的相似性测度和,采用这两种互补的特征进行检索。实验结果表明,和采用单一特征相比较,互补特征由于充分地反映了图像的结构信息和随机分布信息,从而有效地提高了纹理图像数据库的平均检索率。     

一种主动感知的纹理图像检索方法(英文)

基于Contourlet变换和支持向量机提出了一种新的纹理图像检索方法。在这种方法中,能量和广义高斯分布参数被用做Contourlet子带图像的特征。通过这种表示,提出了由一类和二类支持向量机组成的两阶段检索算法来完成感知相似性测度。通过具有640个纹理图像的VisTex库和具有1760个纹理图像的Brodatz库证明了所提方法的有效性。实验结果表明,对于这两个纹理库,新的纹理图像检索方法的平均检索率分别达99.38%和98.07%。     

Geodesics on the Manifold of Multivariate Generalized Gaussian Distributions with an Application to Multicomponent Texture Discrimination

We consider the Rao geodesic distance (GD) based on the Fisher information as a similarity measure on the manifold of zero-mean multivariate generalized Gaussian distributions (MGGD). The MGGD is shown to be an adequate model for the heavy-tailed wavelet statistics in multicomponent images, such as color or multispectral images. We discuss the estimation of MGGD parameters using various methods. We apply the GD between MGGDs to color texture discrimination in several classification experiments, taking into account the correlation structure between the spectral bands in the wavelet domain. We compare the performance, both in terms of texture discrimination capability and computational load, of the GD and the Kullback-Leibler divergence (KLD). Likewise, both uni- and multivariate generalized Gaussian models are evaluated, characterized by a fixed or a variable shape parameter. The modeling of the interband correlation significantly improves classification efficiency, while the GD is shown to consistently outperform the KLD as a similarity measure.     

Visual quality recognition of nonwovens using generalized Gaussian density model and robust Bayesian neural network

This work is dedicated to develop an algorithm for the visual quality recognition of nonwoven materials, in which image analysis and neural network are involved in feature extraction and pattern recognition stage, respectively. During the feature extraction stage, each image is decomposed into four levels using the 9-7 bi-orthogonal wavelet base. Then the wavelet coefficients in each subband are independently modeled by the generalized Gaussian density (GGD) model to calculate the scale and shape parameters with maximum likelihood (ML) estimator as texture features. While for the recognition stage, the robust Bayesian neural network is employed to classify the 625 nonwoven samples into five visual quality grades, i.e., 125 samples for each grade. Finally, we carry out the outlier detection of the training set using the outlier probability and select the most suitable model structure and parameters from 40 Bayesian neural networks using the Occam's razor. When 18 relevant textural features are extracted for each sample based on the GGD model, the average recognition accuracy of the test set arranges from 88% to 98.4% according to the different number of the hidden neurons in the Bayesian neural network.     

基于EM算法的高斯混合型的织物疵点检测研究

为准确检测织物在生产过程产生的疵点,提出了一种基于EM算法的高斯混合模型的算法来实现织物疵点的自动检测。由于织物背景纹理信息对织物疵点检测影响较大,采用均值采样对其进行预处理来消除背景纹理的影响,用高斯混合模型对新得到的图像进行处理。在进行高斯混合模型计算时分为E步骤、M步骤。E步骤初始化参数,计算样本像素的后验概率,M步骤更新高斯混合模型中的各参数。根据计算各像素的后验概率判断各像素点应该属于疵点部分还是非疵点部分。实验结果证明该算法能检测、分割出较多种类的织物疵点,具有较好的有效性和可靠性。     

On the Geometry of Multivariate Generalized Gaussian Models

This paper concerns the geometry of the zero-mean multivariate generalized Gaussian distribution (MGGD) and the calculation of geodesic distances on the MGGD manifold. The MGGD is a suitable distribution for the modeling of multivariate (color, multispectral, vector and tensor images, etc.) image wavelet statistics. Expressions are derived for the Fisher-Rao metric for the zero-mean MGGD model. A closed-form expression is obtained for the geodesic distance on the submanifolds characterized by a fixed MGGD shape parameter. Suitable approximate solutions to the geodesic equations are presented in the case of MGGDs with varying shape parameters. An application to image texture similarity measurement in the wavelet domain is briefly discussed, comparing the performance of the geodesic distance and the Kullback-Leibler divergence.     

Texture classification and segmentation using wavelet packet frame and Gaussian mixture model

In this paper, we propose a scheme for texture classification and segmentation. The methodology involves an extraction of texture features using the wavelet packet frame decomposition. This is followed by a Gaussian-mixture-based classifier which assigns each pixel to the class. Each subnet of the classifier is modeled by a Gaussian mixture model and each texture image is assigned to the class to which pixels of the image most belong. This scheme shows high recognition accuracy in the classification of Brodatz texture images. It can also be expanded to an unsupervised texture segmentation using a Kullback-Leibler divergence between two Gaussian mixtures. The proposed method was successfully applied to Brodatz mosaic image segmentation and fabric defect detection.     

基于Gabor 变换的GrabCut 纹理图像分割

多数自然图像都包含纹理信息, 它相对颜色特征而言具有描述方向性与尺度差异的特性. 因此, 可以利用半交互式的GrabCut 的图像分割方式对图像前景区域与背景区域进行有效的分割, 通过建立前景和背景所对应的高斯混合模型(GMM), 结合最大流最小割的图像分割方式实现全局优化, 并利用前景和背景的KL 测度, 自适应地终止分割过程. 实验对比分析表明, 所提出的方法对于合成纹理图像与自然纹理图像具有较好的整体分割效果及较高的分割准确率.