基于中值-游程共生矩阵的纹理特征提取

提出了一种基于中值-游程共生矩阵模型的纹理特征提取方法.该方法利用了图像的灰度信息和等灰度游程长度信息,通过计算图像的中值矩阵和游程矩阵,从而计算出中值-游程共生矩阵,来提取图像的特征.仿真结果表明,该方法能有效地分割出纹理图像上区域特性不同的纹理,且分割效果优于等灰度游程矩阵和灰度共生矩阵.     

基于综合特征的纹理分割方法

针对灰度共生矩阵只能在单一尺度对纹理进行分析的不足,结合离散框架小波变换产生的尺度共生矩阵与梯度变换图像的灰度共生矩阵,提出了一种具有多尺度分析特性的综合纹理特征提取算法,并利用该特征对纹理图像进行分割.仿真实验结果表明:与基于单一尺度特征的纹理分割方法相比,本文提出的算法能够提高纹理边界定位准确性,减少区域内像素错分,取得了较好的分割效果.     

基于纹理和形状的图像相关反馈检索

综合图像的纹理和形状特征进行图像检索时,采用了基于灰度共生矩阵的纹理特征提取 和基于不变矩的形状特征提取方法,并在此基础上加入了基于权重调整的相关反馈机制,使用户可以 参与检索过程,通过调整权重使得检索结果最终满足用户的检索要求。实验表明,这种算法获得了较 好的检索结果。     

纹理图像识别中的旋转不变性分析

在对纹理图像进行分类识别过程中,许多具有相同纹理特性的不同图像经常在方向上呈现多样性。这些图像应该被归为一类。针对这一问题,有许多方法可以得到旋转不变性特征,例如：几何矩,正交矩,灰度共生矩阵等,然而,前两种方法计算量很大,第三种方法效果也不令人满意。提出了一种基于灰度-梯度共生矩阵的方法来得到旋转不变特征量,并且提出了一种快速计算灰度-梯度共生矩阵的算法。实验表明利用灰度-梯度共生矩阵的方法得到旋转不变量的方法非常有效,快速计算灰度-梯度共生矩阵的算法也大大减小了计算量。     

基于双树复小波和灰度共生矩阵的遥感图像分割

提出了一种将双树复小波变换和灰度共生矩阵相结合描述遥感图像局部纹理特征并用于分割的方法。该方法采用双树复小波高频模值子带Gamma分布与Lognormal分布参数组合特征、灰度共生矩阵特征组成的联合纹理特征作为遥感图像每一像素特征,然后用Canberra距离进行相似性度量,最终通过聚类完成遥感图像分割。实验结果表明,该纹理特征提取方法可以有效地表征遥感图像的纹理,得到更为精确的遥感图像分割结果。     

基于Hu-GLCM的手势识别方法研究

针对手势识别过程中单一手势特征对手势描述的不足,提出了一种基于改进Hu矩和灰度共生矩阵GLCM的手势识别方法 Hu-GLCM。首先利用肤色模型对采集的图像分割出手势区域;其次采用数学形态学和多边形拟合的方法提取手势的单连通轮廓,利用改进Hu-GLCM算法提取手势的几何形状特征和纹理特征并建立模板数据库;最后通过扩展的Canberra距离对手势图像进行识别和分类。实验结果表明,该改进算法对7种手势的平均识别率达到95%以上,且计算速度快,能够满足实时性的需求。     

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。     

融合LBP和GLCM的纹理特征提取方法

为提取有效的特征用于纹理描述和分类,提出一种融合局部二进制模式(LBP)和灰度共生矩阵(GLCM)的纹理特征提取方法。利用旋转不变的LBP算子处理纹理图像,得到LBP图像及其GLCM,采用对比度、相关性、能量和逆差矩描述图像的纹理特征。实验结果表明,与其他方法相比,该方法提取的纹理特征具有更强的纹理鉴别能力,平均分类正确率达到93%。     

基于灰度共生矩阵特征图像的织物疵点检测方法

提出一种由灰度共生矩阵生成相应特征图像的算法,进行了图像分割和织物疵点检测。先将织物疵点图像进行灰度级量化至16级,再提取0°,45°,90°,135°四个方向上的灰度共生矩阵,通过计算灰度共生矩阵中的熵、相关性、对比度、差异性、逆差矩共五种特征值并生成相应的特征图像,对常见的5种织物疵点进行了分割检测实验。实验结果证明基于灰度共生矩阵生成特征图像的检测算法是一种检测效果良好的疵点检测方法 。     

基于PSVM的乳腺X照片分类器设计

纹理是图像中反复出现的局部模式和它们的排列规则。一幅图像的灰度共生矩阵反映了图像灰度关于方向、相邻间隔变化幅度的综合信息，它是分析图像纹理的基础。文中提出了基于灰度共生矩阵的乳腺X照片纹理特征提取方法。同时，利用比BP神经网络精度更高，比传统的SVM算法效率更高、更易于实现的PSVM算法作为分类器的训练方法。     

基于颜色相关图和纹理矩的图像检索

基于内容的图像检索的关键就是准确地提取图像特征。目前常见的图像特征的分类有颜色、纹理和形状。提出了改进的图像相关图算法以及纹理矩算法,并采取有效的方法来结合这两种算法实现高效的图像检索,图像相关图不仅反映了图像的灰度统计信息,而且还反映了图像的空间特征和灰度的渐变度。纹理矩是通过计算图像局部区域的力矩来反映图像的纹理特征。二者相结合整合了图像颜色和纹理信息。实验证明,改进的图像相关图以及纹理矩算法优于传统算法,二者通过在有限的空间维度下的结合在很大程度上提高了检索精度。     

一种肺部肿瘤CT图象序列的自动分割方法

肺部肿瘤序列图象的自动分割是计算机肺部肿瘤三维辅助诊断系统的关键技术之一,肿瘤与周围组织关系的复杂性造成分割困难.为了给医生提供准确的肺部肿瘤影像,运用纹理分析和径向基神经网络实现了肺部肿瘤CT图象序列的自动分割,并根据相邻层肿瘤图象灰度、位置的相关性,提出了一种自动获取多层肿瘤区域神经网络训练样本的阈值分割算法.该算法首先计算图象纹理统计参数,以组成特征矢量空间,然后利用自适应径向基神经网络对特征矢量进行分类来实现肿瘤序列图象的自动分割.实验结果表明,与基于灰度的区域增长法和基于梯度算子和形状算子的最优阈值的分割方法相比较,该方法不仅能充分利用肺部肿瘤序列图象的三维信息,还可最大限度地减少人工干预,且分割结果较好地表现了肿瘤形态特征,经临床医生评估,具有较好的临床指导价值.     

Interpretation of MR images using self-organizing maps and knowledge-based expert systems

A new image segmentation system is presented to automatically segment and label brain magnetic resonance (MR) images to show normal and abnormal brain tissues using self-organizing maps (SOM) and knowledge-based expert systems. Elements of a feature vector are formed by image intensities, first-order features, texture features extracted from gray-level co-occurrence matrix and multiscale features. This feature vector is used as an input to the SOM. SOM is used to over segment images and a knowledge-based expert system is used to join and label the segments. Spatial distributions of segments extracted from the SOM are also considered as well as gray level properties. Segments are labeled as background, skull, white matter, gray matter, cerebrospinal fluid (CSF) and suspicious regions.     

基于综合特征的图像分割

文章提出了一种有效的基于颜色和纹理综合特征的图像分割方法。将图像以块为单位进行划分,在YUV空间,提取块的颜色特征和纹理特征,在这种综合特征基础上,采用改进的K均值聚类法进行图像分割。该方法能自适应确定聚类中的参数,且兼顾点的位置连通关系,从而达到了较好的分割效果。     

多元纹理图像构造方法及应用

多元图像分析方法在图像展开阶段会丢失像素间空间关联关系,导致其对图像纹理特征的分析能力不足.针对此问题,本文提出了一种基于图像纹理特征的多元图像构造方法,并应用于图像分割.首先,结合滑动窗口法和灰度共生矩阵求取图像各通道的纹理特征影像,叠加纹理特征影像构造多元图像.然后,应用多元图像分析方法对所得多元图像进行分析,分割出感兴趣区域.最后,利用分割结果构造决策树模型,以完成对同类感兴趣区域的分割.在图像数据集上进行仿真实验,实验结果表明,本文所提方法的均交并比(MIoU)与同类方法相比有10%左右的提升.     

基于Gabor滤波和Radon-Legendre矩的蛋白质结构域分类

提出一种有效的蛋白质结构域结构分类方法,将结构分类问题表示为图像分类问题。将蛋白质结构域的三维结构转换为距离矩阵,并视作灰度图像;从而将结构域的二级结构及拓扑结构,分别映射为此类图像中的不同尺度和方向的局部结构,以及由这些局部结构组成的形状。设计Gabor滤波器来分割这些局部结构,并构造描述二级结构组成的百分比特征。提出一种Radon-Legendre矩来描述形状,并构造描述形状的矩特征。对比实验表明,该方法在结构域分类的识别率和样本数目鲁棒性两个方面均优于其它方法,有效地实现结构域分类。     

融合区域和全局特征提取的医学图像检索技术

针对胸部CT扫描图像库,提出了一种融合区域和全局特征提取的医学图像检索方法。为了提取局部感兴趣区域,给出了一种基于灰度层共现矩阵的区域增长算法,分割出病灶区域,再结合迭代阈值算法进行病灶边界的磨合。为了避免身体姿势问题造成的图像角度差异,利用具有旋转不变性的Zernike矩提取图像的全局特征,融合感兴趣区域的形状和分布特性以及整幅图像Zernike矩全局特征作为图像匹配准则的客观依据。实验结果表明,该算法能够比较有效地应用于基于内容的医学图像检索系统中。     

基于多特征融合的花卉图像检索

以植物花卉图像为研究对象,对植物花卉图像在区域分割、特征提取、基于内容的雷同图像过滤以及基于SVM的植物花卉图像检索等方面进行了系统、深入和较为全面的研究。首先为保证检索效果,提出了基于Canny边缘的雷同图片过滤算法对花卉图像库中的雷同图片进行过滤。然后提出基于2RGB混合颜色模型的自适应阂值分割算法来对花卉图像进行分割。对特征提取采用多特征融合的方法,其中针对形状特征提出了基于HSV颜色模型的加权不变矩,并提出了结合形状特征与纹理特征的边缘LBP算子。通过在花卉图像库进行的实验表明,提出的若干方法都是有效的。     

基于灰度共生矩阵和多尺度MRF的纹理图像分割

针对纹理图像分割问题的研究,经典的多尺度MRF方法是对不同尺度的纹理特征仅通过多尺度序列下的MRF邻域系统进行描述。为了更加准确地描述纹理特征,将从空间分布特性与MRF邻域系统两个方面综合考虑,提出一种带有联合灰度信息的灰度共生矩阵与多尺度MRF相结合的方法。实验结果表明,该方法能够有效地提高分割准确度。     

结合多特征和SVM的SAR图像分割

为实现灰度共生矩阵(GLCM)多尺度、多方向的纹理特征提取, 提出了一种结合非下采样轮廓变换(NSCT)和GLCM的纹理特征提取方法。先用NSCT对合成孔径雷达(SAR)图像进行多尺度、多方向分解; 再对得到的子带图像使用GLCM提取灰度共生量; 然后对提取的灰度共生量进行相关性分析, 去除冗余特征量, 并将其与灰度特征构成多特征矢量; 最后, 充分利用支持向量机(SVM)在小样本数据库和泛化能力方面的优势, 由SVM完成多特征矢量的划分, 实现SAR图像分割。实验结果表明, 基于NSCT域的GLCM纹理提取方法和多特征融合用于SAR图像分割, 可以提高分割准确率, 获得较好的边缘保持效果。