SVM在图像分类中的应用

支持向量机(SVM)是一种新的机器学习技术.本文采用一对一方法构建多分类SVM分类器.利用常用的灰度共生矩阵方法提取图像纹理特征,组成特征向量,输入构建好的SVM多分类器中进行分类.对从Brodatz纹理库中选取的4张纹理图像进行了分类实验,取得较好的分类结果.     

基于中文自然语言的纹理分类新方法

提出了一种新的基于中文自然语言纹理描述词的纹理分类方法,建立了自然纹理分类体系,并用最小二乘支持向量机对纹理进行分类,实现了纹理的视觉特征到语义描述的转换.实验结果证明,该方法在图像理解和基于内容的图像检索中有助于缩小纹理特征的数学描述和人类理解之间的"语义鸿沟".     

一种基于图像处理的背景分类方法

针对各类背景图像在纹理特征上的不同,提出一种基于灰度共生矩阵和主成分分析的背景图像分类方法.在合理构造灰度共生矩阵的基础上,提取14个GLCM纹理特征值,然后对其进行主成分分析得到纹理综合特征函数.实验表明,纹理综合特征函数能够有效对不同类背景图像进行分类.     

基于多特征组合的彩色遥感图像分类研究

为了解决利用单一特征对彩色遥感图像进行分类效果不理想、普适性不强等问题,提出了一种基于颜色和纹理特征组合的支持向量机彩色遥感图像分类方法。该方法尝试将彩色遥感图像的颜色信息和纹理信息相结合作为支持向量机算法分类的特征向量,据此对遥感影像进行分类,并进行了实验验证。结果表明,颜色和纹理特征组合的支持向量机分类方法能够取得较高的分类精度,其分类效果优于传统的单一颜色或纹理特征分类,是一种有效的彩色遥感图像分类方法。     

基于小波变换和支持向量机的彩色纹理识别

为了提高纹理图像的识别率,提出了一种将颜色信息融入到纹理识别中的新方法--基于小波变换和支持向量机的彩色纹理识别.首先将彩色纹理图像转化到HSV彩色空间,用小波变换进行树形结构小波分解提取彩色纹理的特征,然后用SVM对不同的特征进行纹理分类识别.对不同的彩色自然纹理图像进行了实验,并将结果与已有的进行了比较.实验结果证明,此方法的正确识别率比较高.     

基于统计几何的纹理特征提取及分类算法

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一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。     

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Bag of Features算法的车辆图像识别研究

将Bag of Features算法引入汽车图像识别领域中,并提出了将DoG(Difference of Gaussian)特征提取算法和PICA分类算法结合在一起实现车辆和背景图像分类.首先用DoG特征提取算法提取图像特征.用这些特征聚类产生码书并对图像进行柱状图描述,最后设计PLSA分类器对车辆图像和背景图像进行分类.实验对比了该算法与Tamura纹理特征算法和Gabor纹理特征算法在车辆图像识别中的效果.结果表明本文算法分类正确率优于另外两种方法.     

基于马尔可夫随机场模型和函数联接网络的纹理分类方法

文中提出了利用二阶高斯ＭＲＦ模型对图像纹理进行描述,采用最小平方误差方法进行参数估计,将估计参数作纹理的特征向量,并且利用函数联接网络对特征进行分类。对纹理图像进行的实验表明,采用这种方法能够提高学习速度,简化计算过程,纹理分类能取得较好的效果。     

图像分类方法对比评价研究

现有的图像分类方法种类繁多,但一直缺少关于图像分类方法评价的相关研究,为此选用不同数据集对具有代表性的图像分类方法进行评价分析.待评价的图像分类方法包括主动学习(HOG-SVM、SqueezeNet和SimpleNet)和惰性学习(KNN和OTSU-KNN)两类.结果显示:(1)主动学习相比惰性学习分类精度更高,且在纹理特征较为复杂的图像分类中泛化能力更好.在时间效率方面,主动学习的运行时间要明显短于惰性学习,且前者对数据规模的依赖度远低于后者.(2)对两种分类方法而言,图像的纹理特征复杂度、清晰度以及图像数量都会对分类精度产生影响.此外,参数化方案对分类精度也具有显著影响.     

应用Gabor小波和支持向量机的纹理分类

针对现有纹理分类算法的局限性,提出了一种基于Gabor小波和支持向量机的纹理分类算法.首先提取纹理Gabor分解后各子带的均值和方差作为特征向量,进而利用支持向量机算法实现分类.实验结果表明,与传统的分类方法相比,Gabor小波和支持向量机相结合能有效地提高分类正确率.     

Wavelet image extension for analysis and classification ofinfarcted myocardial tissue

Some computer applications for tissue characterization in medicine and biology, such as analysis of the myocardium or cancer recognition, operate with tissue samples taken from very small areas of interest. In order to perform texture characterization in such an application, only a few texture operators can be employed: the operators should be insensitive to noise and image distortion and yet be reliable in order to estimate texture quality from the small number of image points available. In order to describe the quality of infarcted myocardial tissue, the authors propose a new wavelet-based approach for analysis and classification of texture samples with small dimensions. The main idea of this method is to decompose the given image with a filter bank derived from an orthonormal wavelet basis and to form an image approximation with higher resolution. Texture energy measures calculated at each output of the filter bank as well as energies of synthesized images are used as texture features in a classification procedure. The authors propose an unsupervised classification technique based on a modified statistical t-test. The method is tested with clinical data, and the classification results obtained are very promising. The performance of the new method is compared with the performance of several other transform-based methods. The new algorithm has advantages in classification of small and noisy input samples, and it represents a step toward structural analysis of weak textures     

基于空间映射复Directionlet变换的图像纹理分类

Directionlet变换具有多方向各向异性基函数,能有效捕捉图像的奇异性特征。该文在此基础上构造了一种空间映射的复Directionlet变换,使其具备了更为灵活的方向选择性和近似的平移不变性。利用空间映射方法获得Directionlet变换的复函数空间,对多尺度各方向子带系数提取能量特征用于图像纹理分类。通过对Brodatz图像库及真实SAR图像的纹理分类实验表明,该文算法较之小波分析及其它多尺度几何分析方法,具有更优的纹理分类性能,也验证了Directionlet工具在图像分析中的应用潜力。     

Rotation invariant analysis and orientation estimation method for texture classification based on Radon transform and correlation analysis

Some recent rotation invariant texture analysis approaches such as multiresolution approaches yield high correct classification percentages, but present insufficient noise tolerance. This paper describes a new method for rotation invariant texture analysis. In the proposed method, Radon transform is utilized to project a texture image onto projection space to convert a rotation of the original texture image to a translation of the projection in the angle variable, and then Radon projection correlation distance is introduced. A k-nearest neighbors’ classifier with Radon projection correlation distances is employed to implement texture classification and orientation estimation. Theoretical and experimental results show the high classification accuracy of this approach as a result of using the Radon projection correlation distance instead of repetitious usage of discrete transforms. It is also shown that the proposed method presents high noise tolerance and yields high accuracy in orientation estimation in comparison with Khouzani’s method.     

方向无关遥感影像的纹理分类算法

首先根据遥感影像空间分辨率较低,局部区域内图像纹理变化不大的特点,对遥感影像进行合理的分块,使得各分块具有单一的主纹理特征;然后利用Gabor小波变换提取各图像块的纹理特征向量,并通过简单的循环移位算法,方便的形成方向无关的纹理特征向量;进而引入改进的棋盘距离来描述图像块间的相似度,最后使用无监督聚类算法对影像块进行分类,达到了很好的分类效果．     

基于灰度共生矩阵的图像分割方法研究

图像分割技术广泛应用于工业生产、生物医学图像分析、军事应用等方面。文中着重阐述了灰度共生矩阵的原理及特点,进行了基于灰度共生矩阵的纹理特征提取试验。采用加权欧式距离方法,对图像的特征值进行分类识别,实现对纹理图像区域的划分,然后利用聚类分析等方法对纹理区域进行融合,以达到实现图像分割的目的。试验表明,利用基于灰度共生矩阵的方法,实现对图像的分割具有一定的准确性和实用性,并能较好的实现图像分割效果。