基于离散多小波变换的纹理分类

纹理分析在遥感、医学图像处理、计算机视觉及基于纹理的按内容检索的图像数据库等许多重要领域均有着广泛的应用.引入多小波理论,提出了基于多小波分解的纹理图像分类.通过一系列的实验并与单小波进行比较,实验结果表明,多小波分解比金字塔小波分解或小波包分解其分类准确率更优.     

一种有效的基于小波帧变换包的纹理分类方法

纹理为多类图象分析提供了重要的特征。本文提出一种新的多分辨率纹理分类方法，该方法采用称为小波帧的冗余小波分解，从而获得了具有稳定性和平移不变性的特征描述。同时，为适应纹理的准周期特性，我们采用树型变换包分解策略，即根据某种分解准则，同时对低频信道进行分解。另外，我们在算法中还采用自适应的分解方法，一旦给定条件满足，分解终止，整个分类过结束，从而避免了不必要的分解与计算，提高了计算效率。实验表明，本     

基于多尺度小波纹理分析的边缘检测

本文研究了第二代小波在边缘检测中的方法。基于多尺度小波纹理分析的边缘检测,有效地弥补了传统边缘检测算法的不足,在有效地抑制噪声影响的同时,提高了其边缘定位精度,并通过实例得以证明。     

基于小波生成特征符号随机场的纹理匹配与分类

提出了一种用小波生成特征符号随机场的纹理图象分类方法。它通过一定尺度上的小波图象分解,由在最大尺度上分解生成的４个子图来生成原始图象的特征符号随机场,在此基础上产生共生矩阵,进而获取原始图象的纹理特征和向量。然后,用两个特征向量的距离作为判别标准,对纹理图象进行快速分类。     

基于小波包变换的纹理分类的水冷壁表面模式识别

提出了一种基于小波包变换的纹理分类的锅炉水冷壁表面模式识别算法,该算法选用纹理特征作为冷壁表面模式分类依据,使用小波包计算纹理的能量分布,并以能量分布作为分类特征,用BP神经网络进行了分类识别。     

基于小波变换的纹理特征提取分析

在图像检索技术中，充分利用纹理特征能大大提高图像检索的准确率。用小波变换的方法提取图像纹理特征参数优势明显．也符合纹理识别的特点。     

基于小波包变换的模糊判决纹理分类

提出一种基于小波包变换的模糊判决纹理分类方法,采用图象的完全树结构小波变换提取多分辨率纹理特征,模糊判决分类器通过引入隶属度函数对待征模糊化,反映了各类纹理样本间存在的差异及随机噪声等畸变因素赞成的抽取特征值存在的不确定性,提高了纹理分类算法对噪声或畸变的鲁棒性,通过实验获得了较满意的结果。     

基于多尺度小波纹理分析的文字种类自动识别

在一个国际化的环境中,各种语言（ｌａｎｇｕａｇｅ）、文字（ｓｃｒｉｐｔ）需要识别和处理。在这篇文章中,提出了一种基于多尺度非冗余小波纹理分析的文字种类自动识别技术,在实验中选用了六种语言（中文、英文、日文、韩文、俄文和印度文）不同格式和字体的文本图像,以证实这种技术的能力,计算复杂性分析和实验表明：基于多尺度非冗余小波纹理分析和文字种类自动识别技术,具有较小的计算复杂性,而且对格式和字体的变化较稳     

基于无抽样小波变换和MCE训练的纹理分类

提出了一种新的纹理分类的方法,该方法把基于无抽样小波变换的特征提取器和基于欧几里得距离的分类器进行了合并。把方差、偏态系数、峰态系数、三者的联合及谱直方图作为描述纹理图像不相重叠的图像窗的特征。一个使用线性转换矩阵的特征提取器对分类导向的特征做进一步的提取。利用基于欧几里得距离的分类器,每个纹理图像不相重叠的图像窗被确定到属于它的那一类。基于最小分类错误训练方法的特征提取器和分类器设计的合并使分类错误达到了最小化。使用该方法对25类BrodTex纹理图像进行了评估,分类精确度达到90%以上。     

纹理谱在雷达图像非监督纹理分类中的应用

基于Ｄ．Ｃ．ＨｅａｎｄＬ．Ｗａｎｇ提出的纹理单元、纹理谱的概念，对雷达图像进行了纹理谱非监督纹理分类的试验研究。结果表明这种纹理谱非监督纹理分类算法应用于雷达图像，其效果令人满意。     

基于不可分双正交小波的二维数据压缩方法

构造了一种新的不可分双正交的对称小波滤波器，该滤波器具有有理系数，其对应的小波函数具有四阶消失矩，尺度函数具有非常好的Hölder光滑性。同时提出了基于该滤波器进行数据重构时的边界延拓方法。使用SPIHT和SPECK两种算法的实验表明，该文构造的小波滤波器在二维数据压缩方面具有较好的效果。     

基于纹理方向的描述和对具有方向性纹理图象的分类与分割

为进一步进行纹理特征分析，从纹理的方向性入手，给出了纹理方向的数学定义式，合理选择差异函数，构造了具有物理意义的纹理方向描述特征向量，数据处理方面，运用模糊贴近度的概念，结合改进后的属性均值聚类算法，对一类具有方向性的纹理图象进行分类与分割实验，取得了较好的结果，试验表明，该方法对纹理的方向性有很好的描述能力。     

一种基于主矢量集的纹理图象分析方法

描述了一种基于多维纹理主矢量集与相应能量集的纹理图象表示及分析方法,并给出了由纺理图象求得主矢量集及相应能量集的计算过程,为了将该方法用于纹理识别及分析,文中讨论了在上述表示时,纹理图象的相似度度量,给出结构误差及能量的计算公式及两种计算结构误差、能量主总误差的算法,最后给出了用上述方法由计算机对Ｂｒｏｄａｒｚ的自然纹理图象及人工合成的规则纹理图象分析的实验结果,并与共发矩阵法作了比较,实验表明该     

基于对偶树复小波和MRF模型的纹理图像分割

基于对偶树复小波（DT-CWT）和马尔可夫随机场（MRF）模型提出了一种监督纹理图像分割算法,算法包括两个步骤,首先对复小波变换系数进行较为精确的建模,提取其一阶统计信息作为纹理特征,综合多个尺度的信息,基于极大似然标准进行初始分割;其次,将初始分割结果用MRF模型表示,基于贝叶斯最大后验（MAP）融合初始分割结果,得到最终的分割结果。算法应用于合成纹理图像和实际图像得到了良好的结果,对比实验表明算法所采用的纹理特征的提取方法、小波变换方式、用MRF模型来建模标号等是算法简洁有效的基础。     

基于小波包框架及主成份分析的纹理图像分割

由于纹理图像的信息主要集中在中频区域,利用小波包框架分解纹理图像得到的子图既与原图的大小相同,同时也保留了中频信息,因此可以从子图中提取特征用于分割。为减少特征维数,在同一子通道中只保留具有最大方差的子图作为初始特征图,再从每一个初始特征图中分别提取多维特征。为去除特征中噪声的同时保持特征中的边缘,提出四分均值滤波器对特征滤波。为进一步减少特征间的冗余信息,降低聚类分析的计算负荷,采用主成份分析法不但保留了原有特征中的主要信息,而且使得特征维数有大幅度的减少。模糊c-均值聚类法实现了对于特征的聚类。利用该文的方法分割Brodatz纹理集中的纹理图组成的测试图,达到了较高的准确率。     

基于方向性的多通道纹理图象分析及重构

纹理的各向异性特征（方向性）对于纹理分析有着重要意义。该特征的分析和描述，对纹理表征和图形化建模提供了重要的思路，在对纹理各向异性特征分析的基础上，提出了一种新的纹理图形化建模方法，基于各向同性和各向异性分离的思想，分别从频域和空域研究了纹理图象的方向性及非方向性特征。导出了确定纹理主控方向的有效计算方法，和残余图象的随机场模型逼近，并将分析所得的参数用于纹理的综合，实验结果和性能分析与比较皆证实了该方法的有效性和灵活性，表明能量多通道分析对于方向性纹理的表征和重构是一种行之有效的方法。     

基于纹理分析的表面粗糙度等级识别

提出了一种利用图象纹理分析技术进行机械加工表面粗糙度检测的非接触检测方法,该方法首先根据统计方差对待测工件的表面粗糙度进行粗分类,然后,利用基于Ｇａｂｏｒ滤波器的纹理分类器,识别待测工件表面粗糙度等级。该新方法可简单、快速地实现表面粗糙度等级的自动识别,而且对图象旋转具有不变性,由于其纹理分类器的参数少,并且新方法成本低,参数标定方便,因而便于现场检测,如果与机床的控制系统相连,还可以实现加工的实     

基于纹理谱的纹理分割方法

纹理分析是图象处理中的一个重要领域。本文提出一种基于纹理谱特征分割纹理图象的方法。它首次将纹理谱特征与区域生长算法结合起来，从而实现了无监督的纹理分割。纹理谱特征具有对方向性敏感等优点，基于纹理谱的纹理图象分割取得了良好效果。     

利用小波变换和FCM算法进行多特征纹理分割

提出了一种基于小波变换和模糊C均值（FCM）算法的两阶段纹理分割方法,各阶段采用不同的纹理特征。而且该特征结合了像素的空域和频域信息。实验表明该方法在分割错误率、边缘准确性及区域一致性方面均有较明显的改善,同时也有较高的分割效率。     

利用小变换和特征加权进行纹理分割

为了提高纹理图象分割的边缘准确性和区域一致性以及降低分割错误率,提出了一种基于小波变换的利用特征加权来进行纹理分割的方法。该方法包括特征提取、预分割和后分割3个阶段,其中,特征提取在金字塔结构小小以变换的基础上进行;预分割利用均人矣类算法来对原始图象进行初步的分割;后分割则根据预分割的结果对特征进行加权,然后利用最小距离分类器来实现图象的最后分割。与传统的方法相比,该方法在分割错误率、边缘准确性以及区域一致性等方面均有明显的改善。