纹理图象的多信道滤波分割方法

纹理图象的分割分类方法是目前图象处理和机器视觉研究中的一个前沿课题，传统方法大多基于形态结构和统计描述，与人类视觉机理相脱节，无法进一步提高分精度。本文介绍了近几年来兴起的一类全新的方法，即基于空间／空间频率（ｓ／ｓｆ）平面的多信道滤波法，这类方法与人类视觉机理很好的吻合，对于人工纹理和自然纹理都能获很好的分割效果。     

基于纹理方向的描述和对具有方向性纹理图象的分类与分割

为进一步进行纹理特征分析，从纹理的方向性入手，给出了纹理方向的数学定义式，合理选择差异函数，构造了具有物理意义的纹理方向描述特征向量，数据处理方面，运用模糊贴近度的概念，结合改进后的属性均值聚类算法，对一类具有方向性的纹理图象进行分类与分割实验，取得了较好的结果，试验表明，该方法对纹理的方向性有很好的描述能力。     

基于小波变换和ODPSF的纹理图象分割方法

在纹理图象分割的研究领域中,基于人类视觉感知特性的图象分割方法是一个重要的新研究方向,文中给出了一种纺理图象分割的新方法,即将小波变换和方向滤波有效地结合了起来,该方法是根据小波变换的多尺度、多频道滤波的特点,采用小波包提取纹理主频,然后用一种二维最佳正交极可分方向滤波器对纹理有关方向和频率等其他特征进行分割,实验结果表明,这种方法能够获得较好的分割效果。     

一种方向Gabor滤波纹理分割算法

结合人眼视觉特性，设计了一种方向Gabor滤波器，该滤波器顾及了纹理图像的方向特性；利用Gabor滤波器的带通技术，抑制次要纹理图像的主频率分量，增强目标纹理图像主频率分量，使滤波输出图像具有较大的类间离散度和较小的类内离散度，将纹理图像的分割转化为传统的图像分割，使图像的分割质量和算法效率都得到了提高。     

基于反应扩散的纹理图象分割

纹理图象分割一直是图象处理中非常活跃的一个领域,各种纹理分割算法层出不穷.本文提出了基于反应扩散的纹理图象分割方法.将纹理图象投射到反应扩散介质表面,在各点形成不同的相位分布.激发反应并通过对周期性动态演化的图象适当组合运算,可以将特定的纹理从图象中分割出来.从试验和计算机模拟两个角度出发,结果证实该方法行之有效.本方法不需要先验知识,且运算速度快,对于简单的纹理图象分割效果较好.     

用于分割双纹理图像的最佳单Gabor小波参数的反馈系统

设计了一个对分割双纹理图像的最佳单Gabor小波参数进行自适应调整的反馈系统。该系统利用Gabor小波的带通特性使某一频率的纹理通过，而另一频率的纹理受到抑制，由RBF神经网络对预处理后的图像参数进行估计，求出最优分割阈值。以分割阈值误差率为反馈量对Gabor小波参数进行自适应调整，从而得到最佳Gabor小波参数。实验证明，该系统对双纹理图像的分割达到了预期的结果。     

基于神经网络的纹理图象生成

提出了一种利用多层前馈神经网络生成纹理图象的新方法 .利用该方法可方便地生成图案丰富的纹理图象集 ,并且该纹理图象集中的任何一幅图象均唯一地对应一组神经网络的权值和阈值 ,因此不仅便于图象保存 ,还大大地节省了图象存储空间 .     

基于纹理基元的图象分割

纹理分割是图象处理的基本问题之一．针对广泛的纹理图象，需要一个高效、鲁棒的分割方法，因此提出了一种基于纹理基元的纹理图象分割算法．首先，以Harr小波为变换工具，得到具有方向性的纹理子图象；然后给出了一种新的纹理基元提取方法，并在此基础上，应用统计方法和矢量场，对纹理区域进行由粗到细的分割．通过这种方法不仅可以对纹理图象进行分割，还可以对同一区域的纹理结构进行描述，从而有利于在这种分割方法基础上，进行更高层次的图象处理．     

基于方向性的多通道纹理图象分析及重构

纹理的各向异性特征（方向性）对于纹理分析有着重要意义。该特征的分析和描述，对纹理表征和图形化建模提供了重要的思路，在对纹理各向异性特征分析的基础上，提出了一种新的纹理图形化建模方法，基于各向同性和各向异性分离的思想，分别从频域和空域研究了纹理图象的方向性及非方向性特征。导出了确定纹理主控方向的有效计算方法，和残余图象的随机场模型逼近，并将分析所得的参数用于纹理的综合，实验结果和性能分析与比较皆证实了该方法的有效性和灵活性，表明能量多通道分析对于方向性纹理的表征和重构是一种行之有效的方法。     

基于Gabor小波变换的无监督纹理图像分割

本文提出了一种基于Ｇａｂｏｒ小波变换的无监督纹理分割方法,该方法首先对纹理图像进行Ｇａｂｏｒ小波变换,再经过一组Ｇａｕｓｓ波波器滤波,然后将得到的纹理特征送入由Ｈｏｐｆｉｅｌｄ网络构成的无监督分类器,最后得到纹理分割结果。实验和分析表明,该方法对于不同的纹理图像都具有良好的分割效果。     

一种改进型脉冲耦合神经网络及其图像分割

文章结合人类视觉系统(HVS)对图像各个区域敏感度不同这一特性,对通常的脉冲耦合神经网络模型(PC-NN--PulseCoupledNeuralNetwork)进行了改进,分析了改进模型的特性及其参数优化原理,提出了一种基于这种改进PCNN的图像分割算法。该算法可根据像素周边区域的灰度梯度大小发放不同值的脉冲,从而自适应地将图像分为多个不同等级的高低信息区域,较好地仿真了人类视觉系统特性。并将该算法应用于图像压缩,在压缩比和重建图像主观视觉感知质量上均达到了较好的性能。     

Reducing the Dimensions of Texture Features for Image Retrieval Using Multi-layer Neural Networks

This paper presents neural network-based dimension reduction of texture features in content-based image retrieval. In particular, we highlight the usefulness of hetero-associative neural networks to this task, and also propose a scheme to combine the hetero-associative and auto-associative functions. A multichannel Gabor-filtering approach is used to derive 30-dimensional texture features from a set of homogeneous texture images. Multi-layer feedforward neural networks are then trained to reduce the number of feature dimensions. Our results show that the methods lead to a reduction of up to 30% while keeping or even improving the performance of similarity ranking. This has the benefit of alleviating the ill-effects of the high dimensionality of features in current image indexing methods and resulting in significant speeding up retrieval rates. Results using principal component analysis are also provided for comparison. Receiveed: 6 July 1998?,Received in revised form: 6 November 1998?Accepted: 15 December 1998     

一种基于Hopfield网络的异常检测方法

目前的入侵检测系统缺乏从先前所观察到的进攻进行概括并检测已知攻击的细微变化的能力。本文描述了一种基于最小二乘估计（LS）模型的入侵检测算法，该算法利用神经网络的特点，具有从先前观测到的行为追行概括进而判断将来可能发生的行为的能力。本文在前人工作的基础上提出了一种在异常检测中用反馈神经网络构建程序行为的特征轮廓的思想，给出了神经网络算法的选择和应用神经网络的设计方案。实验表明在异常检测中用反馈神经网络构建程序行为的特征轮廓，能够大大提高检测系统对偶然事件和入侵变异的自适应性和异常检测的速度。     

使用模糊竞争Hopfield网络进行图像分割

针对传统自组织竞争学习方法的不足,将模糊竞争学习引入竞争Hopfield网络中,由此设计了一个用于图像分割的模糊竞争Hopfield网络,通过将图像空间映射到灰度特征空间,实现灰度特征集的模糊聚类,进而实现图像分割.实验结果表明:对于二值分割,与Ostu方法相比,此算法在分割效果和对噪声的自适应能力方面具有明显的优点.对于多类分割,此算法比目前的FCM(fuzzy C mean)算法的处理速度要快.     

一种基于纹理信息和遗传神经网络的图像分割方法

提出了一种基于纹理信息和遗传神经网络的图像分割方法,根据分形理论构造了图像的一组分形纹理特征参量,利用遗传神经网络作为图像素的分类器,以此为基础对图像进行分割,分数维的计算采用改进的盒子计算法.试验表明,将该方法应用于生物医学图像,能够区分图像不同的纹理区域,达到满意的分割效果.     

基于BP神经网络的MRI分割

本文提出了基于ＢＰ神经网络的脑部多回波磁共振图像分割方法。输入图像包括Ｔ１,Ｔ２,ＰＤ三种加权特征图像,分割是基于各像素点灰度值进行的。首先通过一组已标号的训练样本训练神经网络分类器,不正确的分割结果通过交互方式修正训练点,然后再次训练,直至满意的分割结果。     

基于标记的分水岭图像分割算法研究

本文针对分水岭算法的过分割问题,设计了一种结合形态学运算的基于标记的分水岭算法.算法首先对梯度图像进行形态学开重建运算和形态学闭重建运算滤波平滑;然后去掉图像中像素个数小于20的局部极小值区域,提取前景标记;用Otsu法求阈值,对二值图像进行距离变换,分水岭分割,得到的分水线图像作为背景标记;最后用强制最小技术修改梯度图像,进行分水岭分割.实验结果表明,此方法能有效抑制过分割,得到与人工标注的分割目标更接近的结果.     

基于多通道Gabor滤波与CS-LBP的人脸识别方法

近来,局部二值模式(Local Binary Pattern,LBP)在人脸识别中取得了成功应用。然而,LBP提取的特征维数通常很高。而中心对称局部二值模式(Center-Symmetric Local Binary Pattern,CS-LBP)采用中心对称思想对图像进行编码,能够显著降低提取的特征的维数。为此,将CS-LBP应用于人脸图像特征提取,并结合多通道Gabor滤波,提出了基于多通道Gabor滤波与CS-LBP的人脸识别算法。在Yale,ORL,FETER标准人脸库上的实验结果表明,相比局部二值模式,CS-LBP以提取更少的特征维数取得了相当的识别率,并且,基于多通道Gabor滤波的CS-LBP能显著提高识别精度。