纹理生成与纹理映射

本文讨论了一类纹理的产生、形状控制及纹理映射。由于采用了绘画家的色彩叠加思想,它具有可控、方便、直观的优点。     

基于神经网络与遗传算法的纹理图像分割

运用两维自动回归模型、分形维数、均值和方差从每一小区域的数据中抽取纹理特征，把纹理特征作为自组织特征映射神经网络的输入层进行训练确定最优的纹理区域分割数，最后运用遗传算法优化图像分割。实验结果证明神经网络和遗传算法相结合能有效地分割纹理图像。     

基于空间频率域的纹理分割算法

本文基于空间频率域,通过定义局部功率谱的熵,提出一种新的纹理分割方法,和以往基于频域特征的纹理分割方法不同,本文提出的方法所用到的熵有别于传统频域熵概念,而且分割过程是在熵图上采用简单的阈值处理实现的。最后,还对几种不同的纹理结构及其组合进行计算机模拟,实验结果令人满意。     

基于Circular_Mellin变换的纹理图像分割算法

介绍一种比较新颖的算法——旋转及伸缩不变的纹理分割算法,其核心是利用圆周变换和Mellin变换产生一个Circular_Mellin操作数(CMO),将CMO与图像进行卷积,以达到旋转及伸缩不变纹理分割的目的．实验结果表明,这种算法是相当有效的．     

纹理模糊的图像分割

传统活动轮廓分割算法对纹理丰富的图像存在过分割和欠分割现象,为了抑制纹理对图像分割的影响,本文分析了各向同性和异性扩散的机理,设计了保边纹理模糊函数,以图像梯度为变量建立了全变分图像纹理模糊模型。根据对象轮廓与边缘之间的关系利用固定点迭代算法分析相应的卡通分量,对卡通分量运用水平集算法对图像进行分割。实验结果表明,本文设计的模糊函数模糊了图像纹理,保护了对象轮廓。相对于传统CV分割算法,本文分割算法抑制了纹理对图像分割的影响,弥补了传统CV的不足。     

基于塔形小波和特征加权的墙地砖纹理图像分割方法

目的基于小波变换的图像分割方法对随机纹理图像进行分割.方法通过墙地砖表面的原始纹理特征,改进原有的图像分割算法,对原始纹理图像进行高阶小波分解.结果图像整体中的背景纹理边缘被有效去除,降低了图像纹理带来的干扰,在有效提取近似信息的基础上提高了系统的实时性.结论根据墙地砖的纹理特征,采用基于塔形小波的改进分割方法,对墙地砖的原始图像进行处理,提高了边缘准确性和区域性,降低了分割错误率.     

EM算法在纹理织物图像分割中的应用

提出了一种基于多特征值高斯混合模型（Gaussian Mixture Model）期望最大化（Expectation Maximization,EM）聚类的图像分割算法.该算法采用YCbCr彩色空间提取每个像素点的颜色特征,选择像素点邻近的一个方块计算每个像素点的纹理特征,然后采用基于高斯混合模型的EM算法对图像每个像素进行聚类,根据聚类结果进行区域合并得到纹理织物图像分割的最终结果.通过和其他分割算法进行对比,此算法具有较好的分割效果.     

基于羽毛图像纹理分割的毛杆提取方法

为了有效地从羽毛图像中提取毛杆,在对比各种分割方法的基础上,提出基于小波纹理分割方法．考虑羽毛的特点,为去噪和加深纹理特征,对图像进行恢复和增强．经过二层小波分解后提取各细节子图的特征,形成特征向量,并由聚类法进行分类分割．实验结果表明,该方法能较好地提取毛杆．     

基于纹理分割的视频人体检测

提出一种新的基于图模型纹理分割的视频人体检测方法。首先利用帧间拆分与背景拆分相结合的方式对人体进行粗分割;然后确定目标区域,利用高斯图模型建立纹理模型。通过变量选择和参数估计对纹理特征进行分析,并计算纹理图像的最大后验概率,将纹理后验概率大的归到一类。将基于图模型的纹理分割方法应用到视频检测,实验显示了很好的效果。     

基于纹理映射的医学图像三维重建

提出了一种基于纹理映射的体绘制算法,提高了图像的重建效率,增强了图像的重建效果。算法实现了对二维医学图像序列的三维重建,在目前通用的个人计算机上可以以近似实时的速度重建出高质量的三维图像。针对算法中存在的问题提出了两种不同的改进方法,取得了较好的效果。结合纹理生成的过程和纹理重采样的过程,对重建后的三维图像实现了交互切割的算法。     

基于主色连通区域纹理谱特征的图像检索

借鉴纹理谱特征的概念,本文提出并实现一种结合图像主色连通区域信息及其纹理谱特征的图像检索方法.该方法基于图像的主色连通区域,结合图像的颜色构成和分布信息,提取图像的每个主色连通区域的纹理谱特征,并采用线性加权直方图相交法作为相似性度量函数,同时分析并给出了适用于本文方法的加权函数取值方式.本文方法将颜色信息与纹理特征有效地结合在一起,在不增加太多计算时间的条件下,提高了检索质量.     

综合纹理统计模型与全局主颜色的图像检索方法

为了克服纹理概率统计方法中颜色信息丢失的缺点,提高图像检索性能,将纹理概率统计模型和全局主颜色方法有机地结合起来,在对纹理和颜色特征线性加权的基础上对组合后的纹理和颜色特征进行二次检索.实验结果表明,在2 600幅彩色图像库中,与单一特征和线性结合2种特征的方法相比新方法的性能有较大提高,查全率提高30%,平均归一化修正检索等级提高22%.     

基于轮廓-纹理分解的图像修补技术研究

研究了传统整体变分去噪算法和图像修补算法,提出了一种基于轮廓-纹理分解的图像修补算法.算法首先将待修补图像分解为轮廓结构图像和纹理细节图像.再对轮廓结构图像的空缺进行轮廓结构修补,并对纹理细节图像的空缺进行纹理合成.最后将修补后的轮廓结构图像及纹理合成后的纹理细节图像进行合成,得到需要的修补图像.这种方法能够很好地修补图像空缺部分的轮廓结构及纹理细节.实验结果表明,该算法比纯结构图像修补法或纯纹理合成法要好.     

基于自适应小波变换的图像卡通纹理分离

Vese等在前人工作基础上提出一个快速分离方法,但该方法在图像强边缘处不能很好分离出纹理。为解决该问题,我们在Vese方法得到的卡通图像上进行自适应小波,再次进行卡通纹理分离。数值实践结果表明,文章使用的方法能够取得更好的卡通纹理分离效果。     

基于NSCT和矩阵F-范数的图像检索方法

介绍一种基于非下采样轮廓波Nonsubsampled Contourlet（NSCT）和矩阵F-范数的图像检索（CBIR）技术。首先对图像进行NSCT变换,然后将变换结果用矩阵F-范数构建特征向量,设计了两个特征向量相似度度量,最后给出加权相似度实现了图像检索。实验结果表明,该技术具有很好的检索率。     

HSV空间特征和纹理特征的阴影检测算法研究

为了提高检测和跟踪算法的准确性,提出了一种基于阴影在HSV空间下的特点和纹理特征的阴影检测与去除算法。该算法针对阴影区域覆盖的地面和未被阴影区域覆盖的地面纹理特征基本不变的特点,先检查序列图像中的运动区域,然后在运动区域内,根据阴影在HSV空间下的特点和纹理特征对阴影进行检测与去除,为运动目标的后续处理排除阴影干扰。实验结果表明,该算法能够很好地抑制噪声,有效检测、去除图片中运动目标的阴影。     

利用YUV颜色空间和纹理特性消除车辆阴影

车辆视频检测中的阴影消除通常可利用图像的颜色特性或纹理特性来进行。如果只用其中一种方法,效果不是很理想。提出了同时利用YUV颜色空间的Y、U、V三个分量和图像纹理特性进行阴影消除的方法。首先利用Y UV颜色空间中的YUV分量用亮度比及颜色不变性的方法消除运动区域中的阴影;然后再利用图像的纹理特性对图像进行阴影消除;最后对两种方法的检测结果进行融合,达到了更好的消除效果。