共查询到20条相似文献,搜索用时 15 毫秒
1.
一种图象纹理特征提取与分割的新方法 总被引:2,自引:0,他引:2
本文介绍了一种用于提取图象纹理特征的新的二维最佳数字滤波器(ODF),该滤波器是基于有限长球序列(FPSS)和离散付里叶变换(DFT)设计的,它具有能量损失最小的最佳频率响应特性。用若干具有不同中心频率和带宽的这种滤波器覆盖频率平面,可以抽取图象的纹理转征,进而利用一个非参数分类器,可对纹理图象实行有效的分类和分割。文中给出了一个人工纹理图象和一个自然纹理图象分割的实例。 相似文献
2.
3.
4.
本文提出使用Widrow-HoffLMS自适应算法对二维随机场SAR模型参数进行快速估计并报导了使用SAR模型的自适应估计参数进行有监督纹理分类及纹理分割的实验结果,实验结果表明,SAR模型的自适应快速估计参数能够比较有效地进行纹理识别。 相似文献
5.
基于二维直方图的图象模糊聚类分割方法 总被引:29,自引:0,他引:29
本文提出了一个基于二维直方图的图象分割模糊聚类方法,它除了考虑象素点的灰度信息外还考虑了象素点与其邻域的空间相关信息,利用模糊C均值(FCM)聚类算法得到象素点的隶属度,并由各象素点的隶属度实现图象分割.实验结果表明,本文提出的方法与Otsu法和熵函数法相比,错分的象素点数大约减少了四分之三. 相似文献
6.
针对传统SLIC(simple linear iterative clustering)超像素分割算法没有综合考虑图像的纹理信息特征,导致对边缘信息较强和纹理复杂的图像进行超像素分割时,出现边缘检测不灵敏,分割效果不理想的问题.提出了把原图像先经过噪声抑制提取出纹理特征分量,构建以颜色特性、纹理特征和空间位置特征相融合... 相似文献
7.
8.
基于分形和神经网络理论的多尺度图象分割方法 总被引:3,自引:0,他引:3
特征空间聚类分割方法的关键问题是有效的特征参数提取和聚类方法的构造,针对这两个问题。本文采用小波变换的多尺度分析方法提取图象的多尺度分形维数作为分割特征参数,用Kohonen自组织特征映射实现特征空间聚类,获得了良好的分割效果。 相似文献
9.
10.
提出了一种基于同步自回归(SAR) 模型和模糊信息原理进行纹理分割的方法。利用二阶SAR 模型对图像纹理进行描述,用最小平方误差方法对模型参数进行估计,在对模型参数分析的基础上,将估计的参数进行改进后作为纹理的特征向量用于纹理图像的分类与分割。由于实际图像带有许多的模糊信息,组成纹理的基元和基元之间的关系也具有很大的模糊性,文中根据模糊信息原理,分析了纹理图像的模糊特性,给出了一种基于模糊贴近度的纹理分割方法。实验结果表明,与常规的距离方法相比,用文中的方法进行图像纹理分割能取得更好的效果。 相似文献
11.
12.
13.
由于SAR图像固有的相干斑噪声和海陆交界处复杂的地形影响,利用区域合并方法在进行SAR图像的海岸线提取过程中很容易出现误合并。为解决SAR图像海岸线分割中单一分割尺度造成的误分割问题,提出基于SLIC超像素的SAR图像海岸线分割算法,超像素分割后再利用改进的融合光谱和纹理信息的合并代价(CT-Model)进行合并,最后将海陆交界处的海岸线显示用来进行分割效果对比。实验结果表明,改进后的合并准则在SAR图像的海岸线分割上具有更好的精确度。 相似文献
14.
背景对目标的干扰是影响红外装备作用距离的重要因素,研究以雾为背景的红外图像中目标的识别方法对红外装备的应用有着重要的意义。突破了传统的红外图像的目标识别方法,通过对雾这种自然纹理的研究,采用小波变换的方法对红外图像提取各个频道上的纹理能量,基于熵空间理论的不同粒度空间分解与合成思想有效实现了以雾为背景的红外图像的纹理分割。 相似文献
15.
16.
提出了基于Gabor小波和主元分析相结合的纹理图像分割算法.首先对纹理图像进行多通道滤波,获得了一系列滤波后的纹理图像.其次,借助于“能量测度”的概念,求解出各象素有效的纹理特征.为了进一步减少特征之间的信息冗余,降低聚类分析的计算负荷,采用主元分析(PCA)对所得的纹理特征进行降维.然后利用K-Mean算法实现纹理图像的分类.最后针对所提算法,进行了仿真试验. 相似文献
17.
《现代电子技术》2016,(11):63-69
针对现有的运动分割和背景估计方法无法分割停止运动的对象、不适用于复杂动态场景等不足,首先提出一种基于动态纹理(DT)的背景-前景混合模型(FBM),实现动态场景下前景和背景的联合表示。FBM包括一组关于位置的DT成份和一组全局DT成份,前者用于模拟本地背景运动,后者用于模拟持续性的前景运动。其次,提出一种可学习FBM参数的EM算法及变分近似策略,使得FBM在不需要人工选择阈值和不需要单独训练视频的前提下,实现多种运动复杂场景下的前景运动分割,并检测出停止运动的对象。仿真实验结果表明,与当前最新的运动分割和背景估计方法相比,该方法可显著提升背景估计和运动分割的精度。 相似文献
18.
19.