一种纹理图象分类方法的研究

提出了一种基于矢量量化的纹理分类方法,通过矢量量化的方法生成原始图象的符号图象,并生成这个符号图象的共生矩阵,行家和共生矩阵的４个数字特征构成原始图象的纹理特征向量,使用２个特征向量之间的矩离作为匹配的标准,可以实现对纹理图象进行快速匹配分类。     

电视录象图象的分类与检索

本文对现有的电视图象分类算法和检索算法作了的分析，并在图象分类方面提出了一种自适应分类算法；在检索方面提出了一种基于颜色的样本与非样本学习相结合的方法。自适应分类算法的计算量与相邻帧间的变化量成正比；对纡绝大多数相邻帧，只要计算数目极小的区域就可完成分类工作。实验证明，本文提出的分类与检索方法在速度与精度上均有明显的提高。     

一种新的图象特征抽取方法

本文提出了一种新的特征抽取方法。它可对任意形状的工件进行准确描述，并具有计算速度快、特征抽取结果简单的特点。用此算法做成的视觉系统，能识别任意放置的甚至有遮挡或重叠的二维工件，是一种较好满足工业生产线上实时性要求的算法。     

一种基于颜色特征的图象检索方法

提出了一种改进的基于颜色感知特征和图象检索方法。这种方法采用符合人类视觉特征的ＨＳＶ颜色空间来表示图象的颜色特性,利用人对颜色的感知来对颜色分量进行等间隔的量化工形成特征矢量,用直方图交叉算法进行图象的匹配。用户可以通过示例方式,指定颜色或指定区域来表示查询的视觉要求。     

一种用于图象检索的聚类方法

设计和实现了一种对多维颜色特征进行聚类算法,对特征库按聚类模式建立索引。矣类方法大大缩短了检索时间。     

一种用于彩色图象量化的快速聚类算法

为了对彩色图象进行有效地压缩处理,提出了一种基于模式识别技术的图象量化新算法（FSCAMMD）,该算法首先把彩色图象中的颜色样本归为一类,并采用最大频度与类内最小距离最大相结合的方法选取初始类代表点--初始值优选法;然后采用欧氏距离聚类准则及重心法,求得新聚类域中心的向量值,从而得到了令人满意的量化效果。该算法不仅克服了SCA算法对聚类中心初始值选取的不足,较大幅度地减少了彩色图象量化后的总方差以及颜色失真度,而且较好地解决了重建彩色图象的整体层次与局部细节之间的矛盾,其量化效果优于SCA和其他一些聚类量化算法。     

一种多光谱遥感图象的自适应最小距离分类方法

该文提出了一种适用于多光谱遥感图象分类的自适应最小距离算法,这一算法通过对样本集合的自适应精细划分来调整最小距离分类器的参数,对ＴＭ遥感图象分类的实验结果表明,该方法对１６类数据进行有监督分类,精度可达９２．９％,适用于多类别遥感图象分类。     

一种新的图书特征抽取方法

本文提出了一种新的特征抽取方法。它可对任意形状的工件进行准确描述，并具有计算速度快，特征抽取结果简单的特点，用此算法做成的视觉系统，能识别任意放置的甚至有遮挡或重叠的二维工件，是一种较好满足工业生产线上实时性要求的算法。     

一种快速的图象特征匹配算法

本文提出了一种有效的图象识别算法,该算法利用小波包的多尺度分析特性撮特征因子,进行由粗到细的特征匹配,实验证明其具有识别率高,计算速度快的优点。     

一种基于内容和图象检索方法的实现

本文在直方图技术的基础上引入了颜色对方法，将图象的空间特性反映出来，因而能检索具有清晰边界的图象，并且图象的大小变化和旋转以及轻微的光照变化不影响检索结果。     

一种面向大规模图像库的降维索引新方法

针对图像的72维HSV颜色特征，提出了一种新的降维方法。该方法在降维的过程中充分保留了图像颜色的本征特性。在降维的基础上，建立了一个新的索引机制，并以此加速大规模图像库的基于内容检索的进程。实验证明，该方法是行之有效的。     

一种基于分形特征的图片分类算法

图片分类可用作图像搜索引擎的预滤波,以降低图像检索时的图像匹配数量,提高检索速度。本文提出了一种基于分形特征———局部分维数变化率(LFDS)的图片分类算法,该算法不需要任何的图像先验知识,仅利用分形特征就可将自然景物的照片和人工绘制/计算机生成的图形区分出来。系统随机测试了445幅大小从192×128到2012×3094不等的图片,该算法对图形库的分类准确率为91·71%,图像库分类准确率为85·25%,实验结果证明了该算法的快速和有效性。     

遥感图像分类方法综述

从遥感图像分类方法的基本原理入手,介绍了传统遥感图像的分类一些方法,以及它们近年来的发展,此外还对遥感图像分类研究的新方向作了一些介绍,并对发展趋势作了展望。     

一种新的基于Wishart MRF的全极化SAR图像分类方法

无监督的Wishart分类算法在多次迭代后,容易出现错分现象,即多个类别属于同一类散射机制,或者多种散射都拥有相同的类别标签。针对此问题,提出了一种新的基于Wishart MRF的无监督全极化SAR图像分类方法。新方法改进了散射机制保持的方式,即并不是完全限制像素点的散射机制,而是根据像素点的散射机制在迭代过程中给定一个有限的范围。同时,使用一种自适应区域的MRF方法来提取像素点的先验信息。该方法不仅考虑了全极化SAR数据的散射性质,而且结合了统计特性和邻域信息,并在一定程度上保持了散射性质。实验结果证明,与传统的Wishart和基于散射机制保持的Wishart算法相比,该方法在JPL/NASA的AIRSAR数据上取得了更好的分类结果。     

一种快速的SAR图像分类方法

SAR图像分类是＆讯图解译中非常重要的环节,但由于SAR图像中相干斑噪声的存在,使得传统方法不能很好地对SAR图像进行分类。再之,SAR图像分类具有计算量大、耗时长的特点,SAR所能获取的信息数据量也越来越大,如何快速、准确地对SAR图像进行分类以及时获取有用信息显得日益迫切。本文提出了一种快速的SAR图像分类方法,该方法将图像的空间域和频域特征相结合,并基于并行计算环境,对图像中的每一点都计算相应的小波能量特征、共生灰度矩阵特征和滤波后的灰度特征,并组成特征向量对SAR图像进行分类。实验结果证明该方法能取得较好的分类效果,且速度较快。     

基于类别相关码本生成的图像分类方法

提出一种基于类别相关码本的方法,该方法为每一个类别产生一个码本,在训练和测试任意2个类别之间的分类器时,仅考虑与这2类相关码本上形成的图像向量.在保留相关类别码本多样性的同时,能降低输入分类器的图像向量的维数,有效避免维数灾难.实验结果表明,与传统的基于单个全局码本的方法相比,该方法具有更好的分类性能.     

基于条件随机场的多时相遥感影像分类*

多时相遥感影像分类方法通常使用人工设置的转移矩阵作为时间上下文信息,这样不仅难以获得准确的转移矩阵,而且没有充分利用时间上下文信息。针对多时相遥感图像中的时间与空间上下文信息难以构建的问题,提出了一种基于条件随机场模型的多时遥感影像分类方法。首先运用最大期望算法生成用于描述时间上下文信息的时间势能,然后结合空间以及时间上下文信息构造了条件随机场模型,最后使用该模型对多时相遥感影像进行分类。一系列的实验结果表明,该方法可以有效提高遥感影像的分类精度。     

基于SVR分类的多特征彩色图像检索算法

传统的基于内容图像检索技术对图像领域没有限制,而宽泛的图像领域不仅严重影响了系统检索精度,而且增加了系统查询时间.本文提出一种基于SVR(Support Vector Regression)分类的多特征彩色图像检索新算法,该算法首先提取出图像的颜色、空间和纹理信息并作为图像的特征向量,然后以回归型支持向量机(SVR)为学习机器,对图像库进行分类处理以缩小图像领域范围,最后在较小的领域范围内进行图像检索.实验结果表明,本文算法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率.     

一种多层次抽象语义决策图像分类方法

视觉词包(Bag-of-visual-words, BoVW) 模型是一种有效的图像分类方法. 本文提出一种基于语义抽象的多层次决策(Multiple layer decision, MLD) 方法,通过在BoVW 中引入抽象语义进行多层次扩展,采用语义保留方法生成具有语义的视觉词典,利用自底向上的方式逐层传递语义, 训练上层语义分类器;分类时采用自顶向下方式逐层判断待测样本的类别. 用标准数据集验证方法的分类性能. 结果表明,本文提出的方法与主流分类方法相比具有更好的分类性能.     

一种用于图像分类的多视觉短语学习方法

针对词袋图像表示模型的语义区分性和描述能力有限的问题,以及由于传统的基于词袋模型的分类方法性能容易受到图像中背景、遮挡等因素影响的问题,本文提出了一种用于图像分类的多视觉短语学习方法.通过构建具有语义区分性和空间相关性的视觉短语取代视觉单词,以改善图像的词袋模型表示的准确性.在此基础上,结合多示例学习思想,提出一种多视觉短语学习方法,使最终的分类模型能反映图像类别的区域特性.在一些标准测试集合如Calrech-101[1]和Scene-15[2]上的实验结果验证了本文所提方法的有效性,分类性能分别相对提高了约9％和7％.