基于子波变换的纹理图像分类

本文用子波变换的方法描述了纹理图像多尺度、多方向的特性,提出了适合于纹理图像分类的新的子波特征。通过对其稳定性和视觉特性的详细分析,指出此特征优于传统的能量特征。文章最后结合九类自然纹理图像,分别基于标准子波特征、子波包特征用BP神经网络进行了分类识别。实验结果表明,在无噪声情况下,对自然纹理图像可无误差分类;在有噪声情况下,正确分类识别率高,表现出强的稳定性。     

用子波网络实现自适应子波变换

本文从傅里叶变换（ＦＴ）的角度引入连续和离散自适应于波变换（ＷＴ），作为应用，在数学上比较子耳，眼功能和连续ＷＴ，以给人工神经网络（ＡＮＮ）提供多分辨率分析（ＭＲＡ）并行输入，这种七妙的预处理可以实现特征保持的数据压缩，避免过训练或地拟合对ＡＮＮ概括和抽象能力的影响。这可以用来解释嘈杂鸡尾酒会效应。一个例子是，对Ｎ个数据要求有Ｎ阶阶复杂性快速数据压缩的多波段红外图像，引入离散ＷＴ作为完备，正交和归     

基于多分辨率Trace变换的纹理图像分类

针对Trace变换提取的图像特征缺乏对纹理边缘信息描述和计算代价高的问题,利用小波变换对图像轮廓的表征优势,提出了多分辨率Trace变换并应用于纹理图像分类.首先,将小波变换引入到Trace变换中,对纹理图像进行非下采样小波变换,得到不同频率的低频特征子图及高频边缘子图;其次,在各级子图上进行一组泛函的Trace变换,获取纹理图像的融合特征,在获得图像边缘信息的同时避免了Trace变换不同泛函组合计算代价过高的问题;最后,把融合特征送入支持向量机对图像进行分类.实验结果表明,对图像采用多分辨率Trace变换提取的融合特征具有更好的纹理描述能力,相对于传统Trace变换及MCM等对比方法具有更高的鉴别性能,且在时间效率上相对于传统Trace变换有大幅提升.     

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。     

基于BoF和迹变换多特征融合的图像纹理分类研究

针对BoF模型缺少几何特征、结构特征的表达,对纹理图像特征描述不充分等问题,提出一种基于BoF和迹变换多特征融合的图像纹理分类方法。首先通过关键点检测的方法获取纹理图像的碎片化图像,然后提取碎片化图像的迹变换特征和SIFT特征,通过特征交叉编码的方式和动态鉴别能量的方法,获取迹变换特征和SIFT特征的融合特征并进行特征单词优选,再以BoF模型进行特征编码,最后输入到支持向量机（SVM）中进行训练、预测和分类。实验在OutexTC10/TC12000和KTHTIPS纹理数据集上分别取得了100%、99.87%和97.6%的识别精度,结果表明该设计方法对具有几何特征、结构特征的纹理图像可以获得较好的分类效果,有效地提高了纹理分类的识别性能。     

应用联合子波变换相关器实现图像特征抽取的研究

提出了一种功率谱相减技术的新型联合子波变换相关器来实现特征抽取，同时给出了实验系统和计算机模拟结果。结果表明该系统成功地实现了图像实时特征抽取。     

基于子波分解的多通道神经网络纹理分割方法

描述了一种体现多通道滤波技术的神经网络纹理分割方法，决策神经网络（ＤＢＮ）可提高纹理分类的精度，同时纹理的子波变换降低了图像数据间的相关性，提高了网络的学习效率，实验表明本文提出孤方法分类误差较低，获得了令人满意的纹理分割效果。     

子波变换理论及其应用

本介绍了子波，子波变换理论及其应用。     

基于 Contourlet 变换和不变矩的纹理特征提取与分类

本文提出了一种基于contourlet变换和不变矩的特征提取方法。它首先对图像进行contourlet变换用以多尺度多方向分析,然后提取变换后各子带系数的统计特性和不变矩特征,以构造特征矢量,在此基础上,根据不同子带特征分类能力的不同,对各子带数据的离散程度进行加权处理,为分类能力强的特征量赋予较大的权值,得到新的特征向量,最后利用RBF神经网络作为分类器进行分类。实验结果证明了该方法的有效性和良好的分类能力。     

基于联合子波变换结构的实时目标识别研究

把联合变换相关技术与子波变换结合起来，建立了一套用于目标识别的实验系统．该系统巧妙地集图象预处理与相关过程于一体，同时具有优良的性能，如抗噪声能力强、相关峰尖锐、不存在旁瓣效应等．     

基于纹理特征的图像检索

构造了具有旋转、平移和尺度不变的纹理特征,进而提出基于纹理图像检索算法.首先,根据角向矩极大原理将检索图像进行坐标校正,得到图像旋转不变的表示;然后,利用平移和尺度不变小波对检索图像进行分解,得到具有平移、旋转和尺度不变的小波分解系数;最后,采用各尺度的小波能量值刻画图像的纹理性,并针对特征向量内部进行高斯归一化,根据欧氏距离计算不同图像间的纹理相似度.基于内容的图像检索(CBIR)试验表明,该方法具有旋转、平移和尺度不变性,与其它方法相比,具有较高的检索率.     

一种基于子波变换的图像边缘提取及去噪方法

提出了一种有效的用子波变换提取边缘及去噪的方法，该方法通过提取子波变换局域模最大值来提取图像边缘，并利用多尺度子波变换模值信息和角度信息去除噪声．由于该方法克服了以往使用单个尺度提取边缘的局限性，结合了子波变换多尺度的优点，因此能获得既有高信噪比，又有高定位精度的边缘检测结果．     

纹理特征在多光谱图像分类中的应用

文中介绍了几种纹理特征提取方法，并将图像中的纹理信息作为重要的特征参与多光谱图像分类的过程，通过与单纯基于像元光谱信息的分类结果的比较，证明了此方法可以改善分类的效果。     

基于子波变换的局域特征提取方法

提出一种新的用子波变换提取局域特征（主要是轮廓提取和角点提取）的方法，并用实验对该方法的可行性和有效性进行了论证。     

利用子波变换实现多通道复合图像特征提取

根据子波变换模拟视觉信息提取过程的原理 ,对视觉计算理论中普遍认为的视觉系统中存在着多个离散频率通道的观点进行分析和讨论 ,并利用光学 4 f系统对一 X光牙片进行了基于子波变换理论的多频率通道两维实时图像特征提取及组合 .     

基于子波变换极大值描述的图像压缩编码方法

本文给出了玫种有效的从图像子波变换模局部极大值点链接图像多尺度边缘曲线的跟踪算法。研究了基于基图像子波变换局部极大值描述的压缩编码方法。     

子波变换用于红外（上）

近年来子波变换已为越来越多的人熟悉,尺管应用子波变换的概念已有相当一段时间,但是,只是到最近几年才开始产生作用,尤其是在信号和图象处理方面,子小概念可以应用在差方方程,信号处理,图象和视频压缩以及许多其它领域,我们将对子波变换和子波分析作一简要介绍,并将子波变换同傅叶变换作了一比较,子波变换使我们能够分析非静态信号,而傅里叶变换却不能,这是子波的一个十分重要的特征,子波分解使得同时在时域（空域）和     

基于时间—顶点谱图小波变换的动态纹理分类方法

动态纹理在空间和时间上表现出"外观"和"运动"属性,为了有效结合这两种属性进行动态纹理分析,本文提出一种基于时间—顶点谱图小波变换与边缘分布协方差模型的动态纹理分类方法.该方法将动态纹理看成时间—顶点图信号,利用时间—顶点谱图Meyer小波变换对动态纹理进行多尺度分解,再对每个子带应用边缘分布协方差模型,由此得到带内相...