基于概率神经网络板材纹理分类识别的研究

为了实现对板材纹理识别的自动化,提出了一种基于概率神经网络的板材纹理分类识别方法。首先,获取板材的灰度共生矩阵特征参数,并进行特征选择。然后,根据研究对象设计PNN分类器,进行分类实验,识别率为88.00%。结果表明,该方法是有效的,用其对板材纹理进行分类是基本可行的。     

基于贝叶斯理论集成网络分类器在板材识别中的应用

为了实现对板材纹理识别的自动化,提出了一种基于贝叶斯理论集成网络分类器的板材纹理分类识别方法。根据板材纹理复杂多变的特点,选用高斯-马尔可夫随机场方法描述板材纹理,获取了板材的GMRF特征参数。根据实验数据设计BP神经网络分类器,获取了分类器的置信度矩阵,利用贝叶斯理论进行分类器集成,发现随着参与集成分类器数量的增加,集成分类器总体识别率呈下降趋势,在分类器数量为3个时识别率最高,达到了91.00%。结果表明,该方法是有效的,用其对板材纹理进行分类识别基本可行。     

改进Canny算子对乐器板材的纹理分析

针对人工肉眼观测板材的纹理走向、纹理断裂情况和纹理倾斜程度等带来的误差,提出了一种基于OpenCv和改进的Canny算子对板材图像进行纹理识别的方法。依据对Canny算子的分析与研究,针对Canny算子需要人工设置阈值的缺点,利用Otsu算法对其进行改进,实现阈值的自适应获取。实验结果表明,改进后的Canny算子比原始的Canny算子边缘检测效果更好,减少了边缘断裂和假边缘的情况,解决了去噪能力和保留边缘细节能力二者之间难以统一的矛盾,将其应用到乐器板材的纹理识别中,能够提高选材的准确率和效率。     

改性速生杨木抗压性能试验研究

速生杨木在中国种植范围广,但由于力学性能差、变形大等缺点,其应用受到很大限制,迫切需要对速生杨木进行改性处理。主要考虑不同板材厚度（5、10、15、20 mm）和不同纹理（径向、弦向）两个因素对改性速生杨木进行力学性能试验研究。试验表明：随着板材厚度的减小,试件破坏由单个斜截面破坏至连续斜截面破坏,再到水平压皱破坏,最后出现双曲破坏和单板弯曲破坏。不同板材厚度改性试件抗压试验中,与对比试件相比,改性试件的力学性能有较大提高,且随着板材厚度的减小,试件的抗压强度、峰值压应变、弹性模量等均显著增大。不同纹理组合改性试件抗压试验中,弦向与弦向纹理组合试件力学性能最优,其次为径向与径向纹理组合试件,最低为弦向与径向纹理组合试件。同时,在顺纹加顺纹的纹理组合方式下,与对比试件相比改性试件的抗压强度、峰值压应变、弹性模量等均有提高显著;在顺纹加横纹的纹理组合方式下,改性试件的抗压强度和弹性模量反而有所降低。     

一种基于第二代小波变换 的纹理分类新方法

本文提出了一种基于第二代小波变换的纹理分类新算法。该算法提取纹理图象二层第二代小波分解后的各频率子图的图象熵作为纹理特征进行纹理分类。对由108类Brodatz纹理图象构成的图象库进行分类测试，并与基于灰度共生矩阵、Law’s纹理能量、Gabor滤波等纹理分类方法进行了比较，结果显示此算法性能良好。     

纹理SAR图像的多分辨率分析和分类(英文)

应用小波变换研究纹理合成孔径雷达(SAR)图像的多分辨率分析和分类,首先应用树状结构的小波变换算法对一幅纹理SAR图像进行多分辨率分解,并对图像中的不同纹理类型进行定量分析,然后将金字塔结构的小波变换算法应用到图像的多分辨率分类,所得结果证明了小波变换在纹理SAR图像分类中的优越性。     

一种基于第二代小波变换 的纹理分类新方法

摘要：本文提出了一种基于第二代小波变换的纹理分类新算法。该算法提取纹理图象二层第 二代小波分解后的各频率子图的图象熵作为纹理特征进行纹理分类。对由108类Brodatz纹 理图象构成的图象库进行分类测试，并与基于灰度共生矩阵、Law’s纹理能量、Gabor滤波等纹 理分类方法进行了比较，结果显示此算法性能良好。     

基于小波和区域统计的纹理图象检索系统

对大型的图象数据库进行准确检索的时候 ,需要对纹理与非纹理图象进行分类 ,为了准确地提取图象中的纹理特征 ,本文在文献 [4]的基础上 ,提出了一种新的基于小波和区域统计特性的算法来对纹理和非纹理图象进行分割 ,并以此算法对一个具有 10 0 0幅真实图象的图象数据库进行了检索 ,实验结果表明本文的算法取得了较好的纹理与非纹理图象的分类检索效果     

基于T-GLCM和Tamura融合特征的纹理材质分类

虚拟现实力触觉再现对于图像纹理特征提取的要求越来越高,纹理因素复杂且无规律,单一的纹理提取算法并不能准确地描述图像纹理的特点.因此提出基于GLCM(灰度共生矩阵)和Tamura融合特征的纹理材质分类算法.此外,本文对传统灰度共生矩阵GLCM进行优化,提出了改进的GLCM(T-GLCM)算子,提升了GLCM的旋转不变性并减少了大量的冗余信息.利用Tamura纹理特征对图像进行量化,然后将各特征区域量化后级联成一组特征向量,融合T-GLCM的纹理特征,通过支持向量机(SVM)对纹理材质进行分类.实验结果表明,相比传统纹理特征提取算法,本文算法具有更高的分类精度且鲁棒性更好.     

SAR图像纹理特征提取与分类研究

为了高精度地提取合成孔径雷达(SAR)图像中的有用信息,提出一种基于灰度共生矩阵的纹理特征辅助SAR图像分类方法,该方法选择的是在合适的窗口尺寸下能将各种地物类型区分开的最佳纹理特征组合.采用增强的Frost滤波法对SAR图像进行斑点噪声抑制,通过比较各典型地物基于灰度共生矩阵的纹理特征统计量,确定参与分类的最佳纹理特征组合、计算灰度共生矩阵的最佳窗口尺寸;采用主成分分析法去除各纹理特征之间的相关性,选择信息量大的2个主成分与图像的灰度共同组成3个波段的图像;最后采用最大似然分类法对该组合图像进行分类.结果表明:该方法提取出的纹理特征辅助SAR图像分类,比无纹理信息参与的SAR图像分类,其精度可提高11.20%.     

基于小波变换的木材表面纹理分类

以300个木材样本为对象,研究了基于多分辨率灰度共生矩阵参数的木材表面纹理的分类方法.以灰度共生矩阵特征参数的相关性为依据,确定以"角二阶矩"、"对比度"、"相关"、"方差"、"均值和"5个参数描述木材表面纹理.用sym let4小波对木材图像进行了2级分解,在小波重构域,以一级重构的水平细节h1、垂直细节v1、对角细节d1、二级重构的近似a2、水平细节h2、垂直细节v2、对角细节d2共7个图像的23个特征参数构成多尺度参数体系.以BP神经网络进行了纹理分类验证,正确率为94.0%,优于单分辨参数方法(87.5%).实验表明:多分辨参数可以更细致地描述木材的纹理特征,并能提高分类正确率.     

复杂矿石图像的特征提取与聚类

为使特征提取更适合复杂矿石图像识别,提出并实现一种结合RGB颜色特征及其纹理特征映射的图像内容识别新方法,并将聚类方法应用于图像识别系统中。首先将图像分块,基于不同的颜色空间提取子块的纹理特征,并应用主成份分析进行纹理特征映射。然后提取图像的RGB颜色特征,每个子块的特征向量由上述2种特征组成。最后基于每个子块的特征向量应用Kmeans聚类方法对图像内容进行识别。实验结果表明,该方法能有效结合图像的纹理信息及其颜色构成和分布信息,具有较好的复杂矿石图像理解与识别的效果。     

纹理边界引导的复合材料圆孔检测方法

针对复合材料纹理背景下圆形基准孔检测困难的问题,提出一种纹理边界引导的圆孔检测方法.该方法将局部三进制模式（LTP）与灰度共生矩阵（GLCM）对比度融合为纹理对比度,通过提取纹理对比度特征实现孔内纹理和孔外纹理的快速分割,得到与圆孔边界近似吻合的纹理边界,利用纹理边界的位置信息去除绝大多数非圆孔边界的边缘点,利用纹理边界的连通信息对剩余边缘点进行分组,使用内嵌圆参数统计机制的随机圆检测算法从每组边缘点各检出1个圆孔目标,进而完成对多个圆孔目标的检测.实验结果表明,在复合材料圆孔检测场景中该方法有94%以上检出率,3%以下检错率和较高的检测速度,并表现出良好的检测鲁棒性.     

宽带信号匹配滤波的GPU实现及性能优化

从宽带相关的角度推导了基于小波变换的匹配滤波算法及基于快速傅里叶变换(FFT)算法,并分析了算法复杂度,提出了基于图形处理器(GPU)的可配置宽带匹配滤波的软件实现和理论预测与函数实测结合的优化方法.通过优化线程块的维度、绑定纹理寄存器来改进内核函数性能,再使用计算统一设备架构(CUDA)库来降低FFT与极值搜索的时延,并进行了性能优化设计.在性能测试中,文中方法在GPU平台的实现相比8核CPU平台的实现具有3.3倍加速比,其处理时延能够满足宽带匹配滤波的实时性需求.     

多点多样性密度算法及其在图像检索中的应用

提出多点多样性密度(MPDD)算法。针对经典多样性密度(DD)算法对样本包内容表述单一问题,采用多个密度点对包内容进行描述,避免了内容表述的片面性。将MPDD算法应用于图像检索。图像被均匀细分成小块,提取图像的颜色特征和纹理特征表示图像块内容,然后采用K均值算法对实现图像块进行聚类,产生包示例,最后应用MPDD算法对图像进行检索。实验结果表明,MPDD算法的检索效果好于DD算法。     

块核范数的RPCA分解与熵权类稀疏的壁画修复

针对图像修复过程中,颜色纹理光学属性分离不彻底,以及在稀疏表示图像修复时字典设计单一,导致壁画图像修复结果易出现结构不连贯和模糊效应等问题,提出了一种基于块核范数的鲁棒主成分分析(robust principal component analysis, RPCA)分解与熵权类稀疏的壁画修复方法。首先,采用提出的基于块核范数的RPCA图像分解算法,将壁画图像分解为结构层和纹理层,利用块核范数进行纹理矫正操作,克服了RPCA结构纹理分离不完全的问题。然后,提出熵加权k-means方法对结构层图像进行聚类,构建得到稀疏子类字典,并通过奇异值分解和分裂Bregman迭代优化的类稀疏修复方法,完成结构层图像的重构。最后,利用双三次插值算法实现对纹理层图像的修复,将修复后的结构层和纹理层进行融合,完成破损壁画的修复。通过对真实敦煌壁画数字化修复,实验结果表明,该算法能够有效地保护壁画图像的边缘和纹理等重要特征信息,无论从视觉效果还是从峰值信噪比等定量评价方面,提出的方法修复效果均优于比较算法,且修复执行效率更高。     

基于Creator的分块技术研究与实现

三维地形建模涉及到庞大的地形数据和纹理数据,如何将其快速调用显示一直是虚拟漫游系统的关键问题。文章研究了三维地形建模的分块地形和分块纹理技术,在Muhigen Creator中采用分块地形和纹理技术建立三维地形,给出分块纹理映射到分块地形上的方法,最后测试了三维地形在Vega中的载入速度和显示帧速率。测试结果表明,通过分块技术的应用,三维地形模型数据读取速度快,仿真效果真实流畅,有效提高了三维地形的栽入速度和实时显示帧速率。     

基于小波分解和方向剖分的分形图像压缩方法

本文提出了一种基于小波分解和方向剖分的分形图像压缩方法,首先经过小波变换把Ｒａｎｇｅ块从空域转化为ＭＣＦ（ＭｕｌｔｒｉｅｓｏｌｕｔｉｏｎＣｏｅｆｆｉｃｉｅｎｔＦｏｒｍ）域,在ＭＣＦ域内根据不同的方向将数据归类和“剖分”为水平纹理,竖直纹理,角点信息,对这三部分分别搜索各自的Ｄｏｍａｉｎ块和变换,它扩展了经典的分形图像压缩方法,提高了压缩比,减少了块效应,改善了图像质量。     

基于多光谱图像的不同品种绿茶的纹理识别

为了提高茶叶加工的智能化水平,提出一种基于多光谱图像纹理分析的快速识别不同品种绿茶的方法.通过3CCD成像仪同时获得绿茶样本的红光、绿光和近红外三个通道的图像,采用灰度共生矩阵和纹理滤波相结合来提取图像纹理特征,分析了不同品种绿茶的各个通道图像的纹理特征.非监督聚类分析表明,基于组合方法提取的纹理特征优于仅依靠灰度共生矩阵得到的纹理特征.优化和筛选后得到10个特征参数作为支持向量机模型的输入,建立模式识别模型.结果表明,对于126个建模样本的识别正确率达到94.4％,对于未知64个预测样本的识别正确率达到93.8％,说明提出的组合纹理特征提取和模式识别方法能够较好地识别不同品种的绿茶.