基于因子分析的打印文档鉴定方法

针对现有打印文档鉴定方法在检材和样本中无相同字符时基本失效的问题,本文提出一种基于因子分离的打印文档鉴定方法。该方法将字符图像看作是融入了字符形态结构的残缺纹理图像,并建立基于灰度共生矩阵特征的两因子模型,该特征可划分为纹理因子和字符因子两部分。通过因子分离方法获得与字符无关的独立纹理特征,并利用最小距离分类器来实现打印文档的同机鉴定。选取35台激光打印机参与测试,鉴别正确率达94.29%,证明了本文方法的有效性。     

基于灰度共生矩阵的纹理分析方法研究

介绍了纹理的定义及特征,并分别对统计方法、结构分析方法、基于纹理模型的方法和信号处理方法四种纹理图像分析方法进行了描述。针对统计方法中的灰度共生矩阵进行了详细的分析研究,并得到利用其进行纹理分析设计的重要参数。说明灰度共生矩阵法在纹理分析中的重要性。     

基于灰度共生矩阵的笔迹识别

把手写笔迹作为一种纹理来看待,利用图像纹理处理技术和数学方法对笔迹的纹理特征进行提取鉴别,将笔迹识别问题转化为纹理识别。论文使用20个人的不同笔迹进行实验,采用灰度共生矩阵来提取这些笔迹的纹理特征,用夹角余弦相似度算法完成识别工作,取得了较好的效果。     

基于RPCA的SAR图像纹理特征去噪

合成孔径雷达(SAR)图像具有丰富的纹理信息,这些纹理信息能反映地物空间结构关系。当前纹理特征被广泛应用于SAR图像分类和SAR图像分割中。受成像因素影响,直接采用从SAR图像中提取的纹理特征效果不够好。为避免传统先滤波再提取纹理特征的方法对纹理、边缘信息造成损失,提出了一种先提取SAR图像纹理特征,再利用Robust PCA方法对纹理特征去噪的新方法,最后采用Kmeans聚类方法检验RPCA处理后的纹理特征表达效果。实验结果表明该方法能将聚类正确率从82%提高到84%。     

基于灰度共生矩的SAR图像纹理特征提取方法

为更有效地提取合成孔径雷达（SAR）图像中的有效信息,提出了一种基于灰度共生矩阵的纹理特征提取方法。该方法在分析图像灰度共生矩常用特征描述量基础上,研究了窗口尺寸和位移向量对纹理特征的影响,通过比较不同目标各种纹理特征的分布及平均值的相差程度,计算了灰度共生矩阵的最佳窗口尺寸和位移向量,确定参与分类的可用纹理特征组合,...     

一种基于图像处理的背景分类方法

针对各类背景图像在纹理特征上的不同,提出一种基于灰度共生矩阵和主成分分析的背景图像分类方法.在合理构造灰度共生矩阵的基础上,提取14个GLCM纹理特征值,然后对其进行主成分分析得到纹理综合特征函数.实验表明,纹理综合特征函数能够有效对不同类背景图像进行分类.     

SVM在图像分类中的应用

支持向量机(SVM)是一种新的机器学习技术.本文采用一对一方法构建多分类SVM分类器.利用常用的灰度共生矩阵方法提取图像纹理特征,组成特征向量,输入构建好的SVM多分类器中进行分类.对从Brodatz纹理库中选取的4张纹理图像进行了分类实验,取得较好的分类结果.     

基于纹理特征的 SIFT 算法改进

针对 SIFT（Scale Invariant Feature Transform）算法中使用固定对比度阈值提出了改进方法。当红外图像纹理特征不明显时,算法所能提取的特征点数量会大量减少,影响后续利用特征点进行如图像匹配、目标识别等处理。而人工改变对比度阈值具有局限性,不适用于很多场合。因此提出了一种基于纹理特征的自适应对比度阈值的 SIFT 算法。所使用的纹理特征提取方法是灰度共生矩阵,鉴于灰度共生矩阵并不能直接应用的特点,因此提取了特征参数。在图像纹理的特征参数如角二阶矩较大时,调低对比度阈值,使得特征点数量得以提高。此算法经验证表明能够在图像纹理特征不明显的情况下依然提取出大量的 SIFT 特征点。     

基于红外光谱分析法的静物水彩画纹理分类研究

针对水彩画纹理复杂的非线性混沌特征,常规检测仪器很难获得高精度分类结果.基于此,提出基于红外光谱分析法的静物水彩画纹理分类方法.利用灰度共生矩阵、二阶角距离、相关性以及熵计算,描述静物水彩画纹理图像的灰度方向、相邻间隔、变化范围等混沌特征,分析色调像素间空间关系;利用单调灰度变化的不变性处理纹理非线性特征,以粗糙度、对...     

基于GLCM算法的图像纹理特征分析

深入研究灰度共生矩阵(GLCM,Gray Level Co-occurrence Matrix)算法,说明基于灰度共生矩阵的14个纹理特征具体意义,指出纹理特征之间存在冗余性。通过对纹理图像的灰度共生矩阵的计算分析和纹理特征提取实验,表明灰度共生矩阵能够反应图像的特点,与纹理特征描述图像的特点相对应,同时,图像的14个纹理特征之间存在一定程度的冗余,实际中可以根据图像纹理特征的差异,选择几个显著的纹理特征对图像进行分类。纹理特征分析和实验结果对图像纹理特征的应用具有普遍的指导意义。     

脑部CT图像的三维重建及纹理特征研究

本文提出了一种使用灰度共生矩阵提取三维重建后的脑部图像的三维纹理特征的方法。分别对10组正常脑部CT图像与10组脑瘤患者的脑部CT图像进行了去噪和增强的预处理,并进行了三维重建,随后使用了灰度共生矩阵的方法对重建出的模型进行了纹理特征的提取。计算26个方向的能量、熵、惯性矩和相关性,并进行统计分析。结果证明,此方案提取的特征值在统计分析中存在差异,并且正常大脑与患病大脑的特征值形成了对比,对脑室内肿瘤的诊断具有重要价值。     

一种改进的图像拼接检测算法

通过对图像拼接技术特点的分析,提出一种基于图像纹理特征分析和马尔科夫模型的改进的拼接图像检测算法。该算法计算图像DCT域上的马尔科夫转移概率矩阵,同时对图像进行纹理分析,得到两类特征共178维。为评估该检测算法的性能,提出了一个具体实现方案,提取了图片数据集的特征,使用支持向量机（Support Vector Machine,SVM）对特征数据进行训练与分类。实验表明,该方法取得了较好的分类效果。     

一种多尺度灰度共生矩阵的纹理特征提取算法

纹理特征作为图像的一个重要特征,在国画分类识别中的地位十分重要,但现有的纹理提取算法大多基于灰度信息而忽略了颜色信息。针对国画分类识别中纹理提取算法存在的问题,本文提出了一种多尺度、多色域的纹理特征提取算法,该算法结合了轮廓波变换和灰度共生矩阵的优点。为了对国画进行特征提取,该算法首先将国画图像转变到HSI色彩空间。然后,提取色调、饱和度、强度这三个色彩分量进行分区域操作,即提取每一个色彩分量的纹理特征。最后,将提取的3个特征向量融合并进行主成分分析降维。实验证明,与灰度共生矩阵相比,本文算法在国画分类识别方面查准率提高了7.5%,查全率提高了8.7%。实验表明多尺度灰度共生矩阵算法优于传统的灰度共生矩阵算法。     

A fast and effective model for wavelet subband histograms and its application in texture image retrieval.

This paper presents a novel, effective, and efficient characterization of wavelet subbands by bit-plane extractions. Each bit plane is associated with a probability that represents the frequency of 1-bit occurrence, and the concatenation of all the bit-plane probabilities forms our new image signature. Such a signature can be extracted directly from the code-block code-stream, rather than from the de-quantized wavelet coefficients, making our method particularly adaptable for image retrieval in the compression domain such as JPEG2000 format images. Our signatures have smaller storage requirement and lower computational complexity, and yet, experimental results on texture image retrieval show that our proposed signatures are much more cost effective to current state-of-the-art methods including the generalized Gaussian density signatures and histogram signatures.     

基于GLCM和EM算法的纹理图像分割

基于纹理图像的特征,提出了基于灰度共生矩阵（GLCM）和快速极大似然估计（EM）算法相结合的纹理图像分割新算法,为了获得较好的纹理图像分割结果该算法采用灰度共生矩阵的三个常用特征并在四个方向上求平均,从而克服了方向的影响。采用欧式距离度量函数求得两特征向量的距离。通过用改进EM算法对距离矩阵进行聚类,得到纹理图像的初始分割结果,最后用形态学的方法实现对纹理图像边界的精确定位。     

基于关键帧颜色和纹理特征的视频拷贝检测

提出了一种基于关键帧颜色和纹理特征的视频拷贝检测方法。首先通过子片段方法提取视频的关键帧,然后将关键帧分成3个子块,提取每个子块的三维量化颜色直方图,通过直方图相交法来进行颜色特征的匹配。对检索得到的结果视频关键帧进行纹理特征提取,通过其灰度共生矩阵的角二阶矩和熵来表征其纹理特征,纹理特征的匹配可进一步过滤不相关的视频。实验结果表明,该方法效果好、稳健性强且可应用于多种类型的视频。     

一种基于颜色连通的图像纹理检索新方法

提出并实现一种结合图像颜色连通区域信息及其纹理特征的图像检索新方法.首先提取图像的分块主颜色,根据提出的相关颜色定义,搜索确定图像中的颜色连通区域集.然后,提取图像中各颜色连通区域对应的四种颜色共生矩阵特征,利用针对该特征设计的图像相似性度量函数实现基于内容的图像检索.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,具有良好的检索效果和性能.     

Perceptual quality evaluation for image defocus deblurring

Blur is one of the most common distortion types in image acquisition. Image deblurring has been widely studied as an effective technique to improve the quality of blurred images. However, little work has been done to the perceptual evaluation of image deblurring algorithms and deblurred images. In this paper, we conduct both subjective and objective studies of image defocus deblurring. A defocus deblurred image database (DDID) is first built using state-of-the-art image defocus deblurring algorithms, and subjective test is carried out to collect the human ratings of the images. Then the performances of the deblurring algorithms are evaluated based on the subjective scores. With the observation that the existing image quality metrics are limited in predicting the quality of defocus deblurred images, a quality enhancement module is proposed based on Gray Level Co-occurrence Matrix (GLCM), which is mainly used to measure the loss of texture naturalness caused by deblurring. Experimental results based on the DDID database demonstrate the effectiveness of the proposed method.     

Radar remote sensing image retrieval algorithm based on improved Sobel operator

Aiming at the time-consuming problem caused by large computational load of radar image retrieval, based on blocking histogram, Sobel edge detection operator and gray level co-occurrence matrix (GLCCM), new radar remote sensing image retrieval algorithm based on improved Sobel operator is proposed. Firstly, the Sobel edge detection algorithm is used to process the image, the edge image is acquired, the radar remote sensing image is analyzed from different angles, and then the different radar remote sensing images are transformed. Then, based on the above processing, Radar Remote Sensing Image Retrieval Algorithm is acquired; finally, the plurality of statistic of the matrix is recorded as a feature vector describing the radar image, and the image is retrieved according to the feature vector of the radar image. Through a large number of experiments, Radar Remote Sensing Image Retrieval algorithm can greatly reduce the retrieval time, and it also has a good retrieval effect for images with rich texture.