基于FRD的图像纹理情感语义提取

图像的低层视觉特征(颜色、纹理和形状)中包含大量人类可感知的情感语义信息。利用纹理特征,提出一种新的索引方法——模糊认识度(FRD)聚类法,用来描述与情感相关联的语义图像。FRD聚类法能从高层的情感概念出发进行图像检索。索引使用3个感性的纹理特征：方向性,对比度和粗糙度生成FRD值。实验采用室内装饰图片,结果表明,该方法性能较好。     

基于多模态特征的医学图像聚类方法

现有的图像特征表达大多使用低层语义特征(如颜色、纹理等)细粒度地比较图像的相似度,然而医生就诊更多依据图像在局部区域高层语义特征(如是否病变、病变类型等)的差异粗粒度地判断图像的相似程度。针对现有的医学图像特征表达忽略了医学图像特有的高层语义特征,致使医学图像聚类效果不佳的问题,提出了一种融合医学图像纹理特征和特有形态学特征的多模态特征医学图像聚类方法。首先一方面提出使用纹理特征融合方法表示医学图像全局底层语义特征;另一方面提出使用图像分割的感兴趣区域(region of interest,ROI)的形态学描述作为形态学特征表示医学图像的局部高层语义信息。其次结合提出的相似性度量方法分别计算脑CT图像两类特征间的相似度。最后利用多核学习方法学习特征融合权重,并在多核谱聚类实验上验证了该方法的有效性。     

基于本体的图像情感语义识别研究

抽取图像颜色、形状、纹理特征,通过本体映射,建立本体表示的图像情感特征库。以中国情感图片系统作为训练样本,挖掘图像特征与情感之间的关联关系,并通过语义网规则语言SWRL（Semantic Web Rule Language）表示关联规则,建立情感映射规则库。情感推理引擎使用情感映射规则对图像特征进行推理,达到识别图像情感语义的目的。     

低层特征获取高层语义的图像检索

首先采用基于颜色聚类的方法将图像分割成区域,提取每个区域的Gabor小波纹理特征和灰度共生矩阵纹理特征,接着采用信息熵对特征进行选择,使用选择后的特征对图像区域进行聚类,得到每幅图像的语义特征向量;然后提出遗传模糊C均值算法对图像进行聚类。在图像检索时,查询图像和聚类中心比较,在距离最小的类中进行检索。实验表明,提出的方法可以明显提高检索效率,提高了检索的精度。     

基于遗传算法和 FCM 的图像自动标注*

为了缩减图像底层视觉特征与高层语义之间的“语义鸿沟”及减少聚类的不稳定性,论文提出了一种基于遗传算法和FCM的图像自动标注方法。该方法首先提取图像的颜色和纹理特征,然后运用遗传算法和FCM 相结合的方法对图像进行聚类。最后通过支持向量机学习训练库的图像特征构造简单的多类支持向量机模型实现图像的自动标注。实验表明,该方法具有很好的图像标注性能。     

多特征综合的图像模糊情感注释方法研究

针对解决图像有效情感标注的问题,提出了一种多特征综合的图像模糊情感注释方法。该方法在讨论图像中的可视化特征（颜色、纹理和形状）与图像情感之间关系的基础上,选取和修正合适的算法提取颜色、纹理和形状特征,并将其作为模糊输入量;提出一种情感空间表示法量化情感;利用模糊集的近似推理理论完成对图像的情感注释。对100幅自然图像进行模糊情感标注,将其结果和20名自愿者对图像的情感感觉进行对比,实验结果表明,该方法能够有效地标识图像情感语义,证实了所采用的情感空间表示法具有一定的科学性,对于装璜、电子教学、图像检索和情感计算有一定的应用价值。     

使用多元语义特征的评论文本主题聚类

特征是一切观点挖掘和情感分析任务的关键所在。对于无监督的文本聚类任务,文本特征的优劣直接影响聚类效果。考察三种语义特征（名词、名词短语、语义角色）对主题聚类的作用以及不同特征之间的相容关系,提出一种消除冗余特征的方法。该方法能有效地去除冗余特征,提高聚类精度。同时还提出一种基于语义角色标注的直接定位有效词特征的聚类方法,实验表明该方法是直接的和有效的,并为特征选择方法提供了新思路。     

基于显著区域和pLSA的图像检索方法

由于利用全局特征的图像检索方法在很大程度上受到背景的影响,提出了一种基于显著区域和pLSA相结合的图像检索方法。该方法首先通过谱残差和多分辨率分析提取图像的显著目标区域,其次计算所有图像显著区域的颜色和纹理特征并利用K-均值聚类生成视觉词汇表,然后将每幅图像表示成若干视觉词汇的集合。最后利用概率潜在语义分析（pLSA）来提取区域潜在语义特征,并使用该特征构建SVM分类器模型进行图像检索。将本方法和基于全局特征的图像检索方法比较,实验结果表明,基于显著区域的图像检索结果更加准确。     

基于多特征融合的抽象画情感研究

抽象画作为一种寓意含蓄的艺术作品,传递出的情感也是含蓄的,确定其情感分类也比较困难,为此采用多特征融合方式预测抽象画的情感。首先采用K-means聚类提取抽象画图像的主色调作为底层颜色特征,采用灰度—梯度共生矩阵提取底层纹理特征,采用卷积神经网络自动提取高层语义特征;其次由于特征维度不同,采用多核学习对底层和高级语义特征进行融合;最后采用支持向量机实现抽象画情感识别,分为积极与消极两类。在MART数据集上进行测试,并与其他现有分类模型进行了比较,实验结果显示该方法在测试性能上优于已有模型。     

基于纹理聚类的抠图算法

针对当图像纹理比较丰富时抠图难的问题,基于K近邻(KNN)抠图算法提出了一种纹理聚类抠图（TCM）方法。该方法首先提取出纹理特征;然后用该纹理特征与颜色和位置特征一起构造新的特征空间;接下来在该特征空间上聚类近邻像素以构造Laplacian抠图矩阵;最后利用闭形解求解不透明度。在基准数据集上的实验结果表明,该方法的总排名有显著提升,对于纹理丰富的图像取得了比较好的抠图效果。     

基于纹理的皮肤检测

实时敏感图像检测可以有效地控制国际互连网中的色情图像传播。它的检测手段主要是对皮肤区域进行辨识,而皮肤纹理检测又是皮肤区域辨识中的重要内容。该文采用基于DCT变换和Gabor小波变换两种方法进行皮肤纹理的特征提取,提取的特征作为高斯混合模型(GMM)输入向量,然后通过GMM进行皮肤纹理检测。实验是在360幅敏感图像以及2400幅经过分类的非敏感图像的测试集进行,结果表明基于Gabor小波变换的皮肤纹理检测取得了比基于DCT变换更好的效果,其正检率可以达到95%。     

Single image super resolution for texture images through neighbor embedding

This article proposes an improved learning based super resolution scheme using manifold learning for texture images. Pseudo Zernike moment (PZM) has been employed to extract features from the texture images. In order to efficiently retrieve similar patches from the training patches, feature similarity index matrix (FSIM) has been used. Subsequently, for reconstruction of the high resolution (HR) patch, a collaborative optimal weight is generated from the least square (LS) and non-negative matrix factorization (NMF) methods. The proposed method is tested on some color texture, gray texture, and some standard images. Results of the proposed method on texture images advocate its superior performance over established state-of-the-art methods.

     

Retrieval of translated, rotated and scaled color textures

A new method for color texture retrieval using color and edge features is proposed in this study. The proposed method unifies color and edge features rather than simply analyzing only color characteristics. First, the distributions of color and local edge patterns are used to derive a similarity measure for a pair of textures. Then, a retrieval method based on the similarity measure is proposed to retrieve texture images from a database of color textures. Finally, the similarity measure is extended to retrieve texture regions from a database of natural images. Since the proposed feature distributions can resist variations in translation, rotation and scale, our method has the ability to retrieve texture images or regions that change in translation, rotation and/or scale. The effectiveness and practicability of the proposed method have been demonstrated by various experiments.     

结合Gabor滤波器和扩展LTP算子的无监督纹理图像分割

目的 现实中的纹理往往具有类型多样、形态多变、结构复杂等特点,直接影响到纹理图像分割的准确性。传统的无监督纹理图像分割算法具有一定的局限性,不能很好地提取稳定的纹理特征。本文提出了基于Gabor滤波器和改进的LTP（local ternary pattern）算子的针对复杂纹理图像的纹理特征提取算法。方法 利用Gabor滤波器和扩展LTP算子分别提取相同或相似纹理模式的纹理特征和纹理的差异性特征,并将这些特征融入到水平集框架中对纹理图像进行分割。结果 通过实验表明,对纹理方向及尺度变化较大的图像、复杂背景下的纹理图像以及弱纹理模式的图像,本文方法整体分割结果明显优于传统的Gabor滤波器、结构张量、拓展结构张量、局部相似度因子等纹理分割方法得到的结果。同时,将本文方法与基于LTP的方法进行对比,分割结果依然更优。在量化指标方面,将本文方法与各种无监督的纹理分割方法就分割准确度进行对比,结果表明,在典型的纹理图像上,本文方法准确度达到97%以上,高于其他方法的分割准确度。结论 提出了一种结合Gabor滤波器和扩展LTP算子的无监督多特征的纹理图像分割方法,能够较好地提取相似纹理模式的特征和纹理的差异性特征,且这些纹理特征可以很好地融合到水平集框架中,对真实世界复杂纹理图像能够得到良好的分割效果。     

一种多光谱图像纹理特征提取及比较方法

该文提出一种基于最小二乘及区域分割的多光谱图像纹理特征提取与比较的方法。通过最小二乘法得到系数矩阵来描述多光谱图像的纹理特征,利用区域分割技术将不同纹理特征的图像区分开,并将相似纹理的图像合并为一类。提取区域的统计特性得到纹理特征提取的结果,并采用四条标准来比较两幅多光谱图像特征的差异程度,最后进行算法仿真,取得了较好的效果。     

A spectral–textural kernel-based classification method of remotely sensed images

Most studies have been based on the original computation mode of semivariogram and discrete semivariance values. In this paper, a set of texture features are described to improve the accuracy of object-oriented classification in remotely sensed images. So, we proposed a classification method support vector machine (SVM) with spectral information and texture features (ST-SVM), which incorporates texture features in remotely sensed images into SVM. Using kernel methods, the spectral information and texture features are jointly used for the classification by a SVM formulation. Then, the texture features were calculated based on segmented block matrix image objects using the panchromatic band. A comparison of classification results on real-world data sets demonstrates that the texture features in this paper are useful supplement information for the spectral object-oriented classification, and proposed ST-SVM classification accuracy than the traditional SVM method with only spectral information.     

引入纹理相似性的纺织品图像增强

纺织品图像增强能够突出其纹理特性,便于纺织品的人工检测和机器视觉检测。提出一种在非局部均值滤波(NLM)框架下的纺织品图像纹理增强方法。纺织品图像具有规则周期的纹理,存在大量的冗余信息,NLM可利用这一特性来增强图像的纹理信息。但由于纺织品图像结构复杂且存在噪声,导致在NLM中相似性的度量不够准确。为解决这一问题,通过采用主分量分析(PCA)将纺织品图像分解为图像信息分量和噪声分量,并去除各分量间的相关性,来提高纺织品纹理间相似性度量的准确性。实验结果表明,本文方法比现有的纺织品图像纹理增强方法的增强效果有显著提高。     

基于TV-L1结构纹理分解的图像融合质量评价算法

为对图像融合算法进行客观准确的综合评价,提出一种基于总变差正则化（TV-L¹）结构纹理分解的评价算法。根据对人类视觉系统的研究,可知人们对图像质量的感知主要来自图像底层视觉特征,而结构特征以及纹理特征是最重要的图像底层视觉特征,但目前的图像融合质量评价算法并没有利用这两种特征来进行评价。鉴于此,将图像进行二级结构和纹理分解,根据结构和纹理图像蕴含图像特征的不同,从结构图像和纹理图像两方面分别进行相似度评价,综合各级得分得到最终的评价总得分。基于30幅图像的数据集和8种主流融合算法,参照已有的11种客观评价指标,用波达计数法和肯德尔系数检验了该评价指标的一致性,另外在主观评价图像集上验证了该客观评价指标与主观评价的一致性。     

胶囊内镜绒毛图像自动检测方法

人体小肠绒毛特征与多种疾病有重要关系,使用胶囊内镜分析小肠绒毛是医学界新出现的研究方法。为了帮助医生检索胶囊内镜图像序列中的绒毛图像,提出了一种基于纹理的自动检测方法。分割出图像中可能包含绒毛的带状区域,利用几何变换把带状区域转化成方便计算的矩形区域,使用边缘、颜色、条纹频率等特征构建一个分层算法判断该图像是否为绒毛图像。实验部分比较了提出的方法与传统纹理描述算子的检测效果,结果表明提出的方法刻画了绒毛带的本质特征,能更好地检查出序列中的绒毛图像。