基于特征级数据融合木材纹理分类的研究

为了提高对木材纹理识别的精度;提出了一种基于融合灰度共生矩阵与高斯-马尔可夫随机场纹理参数的特征级数据融合木材纹理模式识别方法。首先;分别获取了以上两种木材纹理特征参数;然后;使用模拟退火算法将两种不同类型的纹理特征量在特征层上进行了融合。利用融合后的特征对木材纹理样本进行识别;BP神经网络分类器的识别率达到97.00%;表明数据融合后的特征参数对木材纹理识别是十分有效的。     

基于火焰彩色纹理复杂度特征的转炉炼钢吹炼状态识别

在基于火焰图像识别的转炉吹炼状态识别过程中,针对已有方法存在火焰彩色纹理信息利用不充分和状态识别率仍需提高的问题,提出一种基于火焰彩色纹理复杂度特征的转炉吹炼状态识别方法.首先,将火焰图像转化到HSI颜色空间下并作非均匀量化;然后,计算H分量和S分量的共生矩阵从而融入火焰图像的颜色信息;其次,利用得到的颜色共生矩阵计算火焰纹理复杂度的特征描述子;最后,应用Canberra距离作为相似度度量准则对吹炼状态进行分类和识别.实验结果表明,与已有的转炉火焰灰度共生矩阵和灰度差分统计方法相比,在满足吹炼识别实时性要求的前提下,所提方法的识别率分别提高了28.33%和3.33%.     

GMRF随机场在纹理特征描述与识别中的应用

为了建立描述自然纹理的参数体系;选用木材这种典型自然纹理为研究对象。提取了木材纹理的5阶GMRF参数;为了降低运算量;采用改进的模拟退火算法进行参数的优化与选择;形成了描述木材纹理最优GMRF参数体系;并将其送入分类器进行分类识别。实验结果表明:集成神经网络的总体分类识别率为94.0%;近邻分类器的总体识别率为91.0%;获得了较高的分类识别率。说明用该参数体系对木材纹理进行分类识别是可行的;该参数体系也可用于与木材纹理相近的自然纹理的描述。
     

图模型在彩色纹理分类中的应用

纹理分析中往往将彩色图像转换为灰度图以降低计算复杂度,这样就忽略了颜色信息.而利用主成分分析的方法来降维彩色纹理,则可以尽可能地保留颜色和纹理信息.高斯图模型(Gaussian Graphical Models,GGM)可以很好地描述有交互作用的高维数据,因此可用来建立图像纹理模型.根据局部马尔可夫性和高斯变量的条件回归之间的关系,可将复杂的模型选择转变为较简单的变量选择.通过惩罚正则化方法,其邻域选择和参数估计可同步进行,然后提取纹理特征进行彩色纹理分类,实验显示其具有很好的效果.因此,结合主成分分析和高斯图模型来构建彩色纹理模型有很好的发展前景.     

自然纹理的过程生成及其动画

给出了一种自然纹理的图象生成方法——过程生成方法.采用应用随机过程中的马尔可夫序列理论,解决了计算机动画和机器人学中路线规划的静态故障避免问题,生成了行走路线,并由此形成了室内地面纹理及磨蚀过程动画.这种方法具有高度的真实感,善于表现纹理的连续性和演变趋势.     

GMRF纹理模型在ATR评估系统中的应用

介绍高斯马尔可夫随机场（GMRF）纹理模型的基本原理,及该纹理模型参数的最大似然估计方法。针对已有的计算参数算法的运算量偏大的缺点,提出改进的参数计算算法,并列出具体实现步骤。对真实纹理进行模拟实验,结果表明该算法取得很好的效果。     

一种基于纹理域神经网络的彩色卫星图像分析方法

描述了一种利用纹理域神经网络,通过监督的学习方法来调整和权重,将预处理后成的彩色卫星图像中的纹理信息块进行分类,从而达到在彩色卫星图像中将有用的色彩块分析出来的目的,给出了纹理域的预处理过程,阐述了对原彩色图像进行颜色映射和量化的目标和方法;讨论了纹理域神经网络的构造方法及算法;最后给出了用以上方法对彩色卫星图像进行分类的实验结果,实验证明该方法对彩色卫星图像有较好的分类作用。     

图模型在彩色纹理分类中的应用

纹理分析中往往将彩色图像转换为灰度图以降低计算复杂度,这样就忽略了颜色信息。而利用主成分分析的方法来降维彩色纹理,则可以尽可能地保留颜色和纹理信息。高斯图模型(Uaussian Graphical Models, GGM)可以很好地描述有交互作用的高维数据,因此可用来建立图像纹理模型。根据局部马尔可夫性和高斯变量的条件回归之间的关系,可将复杂的模型选择转变为较简单的变量选择。通过惩罚正则化方法,其部域选择和参数佑计可同步进行,然后提取纹理特征进行彩色纹理分类,实验显示其具有很好的效果。因此,结合主成分分析和高斯图模型来构建彩色纹理模型有很好的发展前景。     

基于多特征融合的HSV空间彩色纹理图像检索

针对目前彩色纹理图像检索系统结构复杂且时间成本较高的问题,提出一种融合图像颜色与纹理特征的彩色纹理图像检索方法.首先,在HSV空间中分别量化H、S、V三个通道的数据并提取组合直方图的颜色特征.然后,提取V通道数据子带系数的幅值与相位两种分布参数特征作为全局纹理特征;同时,使用局部邻域差分模式(Local Neighborhood Dif-ference Pattern)算子提取V通道数据的局部纹理特征,并将所得到的颜色特征、全局纹理特征和局部纹理特征进行有机融合.最后,通过合适的相似性测度完成彩色纹理图像的检索.在VisTex和STex两个流行的彩色纹理图像数据库上进行的检索实验表明,由论文方法所得到的平均检索率较目前典型方法的最优结果分别高出0.96％和0.78％,且检索时间成本更低.因此,论文所提出的彩色纹理图像检索方法是有效的和可行的.     

基于结构性信息的纹理合成方法

提出了一种基于结构性信息的判断纹理块匹配误差的新方法：颜色—结构差异算法。该方法同时考虑了纹理块之间颜色误差和结构误差对纹理块相似性的影响,弥补了单纯考虑颜色误差的不足,保证了图像间结构信息的连贯性,从而更好地保证了合成后的纹理在视觉上的连贯性。     

一种基于纹理特征融合的SAR图像分割方法

在由若干灰度共生矩阵纹理统计量进行特征融合后所生成的图像上,定义多分辨双Markov-GAR模型,采用多分辨MPM参数估计方法及相应的无监督分割算法,对SAR图像进行纹理分割。该方法既利用了像素的灰度信息,也利用了像素的空间位置信息,削弱了斑点噪声对分割的影响。实验表明对于一些高分辨SAR图像,该方法与单纯基于灰度图像上的多分辨双Markov-GAR模型纹理分割相比,分割精度得以提高。     

形态小波域多尺度马尔可夫模型在纹理图像分割中的应用

针对图像分割中小波域多尺度马尔可夫模型(MRMRF-W)无法有效描述图像非线性特征,提出了一种在形态小波域下的多尺度MRF模型（MRMRF-MW）,实现纹理图像分割。该模型结合了形态小波和MRF各自的优势,能够对图像进行非线性多尺度分解,并在各尺度上进行空间关系建模。通过对两个纹理图像库（Brodatz纹理库、Prague纹理库）中图像的分割实验,验证了该模型的有效性。     

Anisotropic Textures with Arbitrary Orientation

We present a Markov random field (MRF) model for digital imagescapable of representing anisotropic textures with arbitraryorientations. The discrete Hamiltonian is obtained through finitedifference discretization of a continuous elliptic operator on ²;, together with a polynomial perturbation.We present the solution of a non-linear system of algebraicequations that estimates the orientation angle and theelliptic operator parameters in terms of the estimated discreteHamiltonian parameters.We perform experiments of simulation and retrieval of parametersusing, respectively, the Gibbssampler algorithm and the variational estimators for MRF. Weuse also the estimation algorithm to identify relative rotationof digital images of the same realisticpicture scanned at various different orientations.     

基于混合高斯模型MRF场的CT图像分割*

提出了一种基于混合高斯模型的马尔可夫随机场CT图像分割方法.此方法根据工业CT图像的特点,建立混合高斯逼近的图像灰度统计模型;用混合高斯模型作为Markov随机场的先验模型,提出混合高斯Markov随机场分割模型.实验表明,该方法较单高斯模型有很大的改善,对工业CT图像分割效果好.     

基于Markov随机场模型的纹理图像的缺陷检测

在工业自动化研究中,部件的缺陷检测是非常重要的过程。文中提出了一种基于图像纹理分析的表面缺陷检测方法,图像表面纹理特征是利用Markov随机场模型来描述的,通过学习和聚类分析来检测出纹理图像中有缺陷的区域。试验结果表明,该方法可以有效地描述不同种物质表面的纹理特征,并能准确地检测和定位缺陷。     

基于GPU的多属性数据快速融合渲染研究

由于传统的渲染技术是使用CPU 进行数据体颜色计算或融合处理的,这种技术对大规模数据体进行渲染时效率低、时间长,针对这种情况提出一种采用GPU 进行数据体颜色计算和融合处理的方法。该方法充分利用GPU 强大的并行处理能力,将待渲染的数据以纹理形式提交给GPU,由GPU 进行必要的颜色插值和融合处理后直接渲染。实验结果表明,该方法能够将多种属性融为一体,有机地结合了各属性的优点,能对油气储层进行综合评价,提高储层分析和解释的准确度,并且使用了硬件加速功能,渲染速度快。     

基于优化Gabor滤波器和GMRF的笔迹特征提取方法

提取有效的特征一直是笔迹鉴别的关键问题,针对传统Gabor滤波器特征提取方法存在的不足,充分利用Gabor滤波系数间的相关关系,提出一种融合全局特征和局部特征的特征提取方法。该方法先通过字符笔画的方向梯度直方图（HOG）来优化Gabor滤波器的角度参数,再利用高斯马尔科夫随机场（GMRF）模型对Gabor滤波图像中的不同局部结构信息进行描述,最终得到笔迹图像的整体特征。以楷书四大家的真迹样本和收集的英文手稿作为实验数据,采用最小加权欧式距离分类器对笔迹样本进行分类,通过五重交叉验证法分别得到97.6%和88.3%的正确分类率,表明该方法提取的特征具有较强的笔迹表征能力,是一种有效的笔迹特征提取方法。