一种基于第二代小波变换 的纹理分类新方法

本文提出了一种基于第二代小波变换的纹理分类新算法。该算法提取纹理图象二层第二代小波分解后的各频率子图的图象熵作为纹理特征进行纹理分类。对由108类Brodatz纹理图象构成的图象库进行分类测试，并与基于灰度共生矩阵、Law’s纹理能量、Gabor滤波等纹理分类方法进行了比较，结果显示此算法性能良好。     

基于小波和区域统计的纹理图象检索系统

对大型的图象数据库进行准确检索的时候，需要对纹理与非纹理图象进行分类，为了准确地提取图象中的纹理特征，本文在文献[4]的基础上，提出了一种新的基于小波和区域统计特性的算法来对纹理和非纹理图象进行分割，并以此算法对一个具有1000幅真实图象的图象数据库进行了检索，实验结果表明本文的算法取得了较好的纹理与非纹理图象的分类检索效果。     

基于小波和区域统计的纹理图象检索系统

对大型的图象数据库进行准确检索的时候 ,需要对纹理与非纹理图象进行分类 ,为了准确地提取图象中的纹理特征 ,本文在文献 [4]的基础上 ,提出了一种新的基于小波和区域统计特性的算法来对纹理和非纹理图象进行分割 ,并以此算法对一个具有 10 0 0幅真实图象的图象数据库进行了检索 ,实验结果表明本文的算法取得了较好的纹理与非纹理图象的分类检索效果     

显微图象分析系统的设计及实现

以显微图象分析为应用背景,设计并实现了基于改进的纹理谱方法提取图象纹理特征和以神经网络作为分类器的图象纹理分类系统,分析了纹理分析方案的实施所遇到的实际问题和纹理图象分类的抗干扰性能,给出了具体实验结果。     

基于纹理特征的纸张计数算法研究

针对工业生产中纸张计数装置所存在的成本高、占用场地和易产生误差等缺点，本文提出了运用数字图象处理技术来实现的纸张计数算法。该方法从纸张叠层图象的纹理特征出发，通过LOG滤波等操作得到二值图象，随之分别采用基于图象倾斜校正的像素投影算法和基于统计学观点的差分统计算法来获得纸张数目。实验结果表明，前者的计算量相对较少，但受图象质量影响较大；而后者虽然费时，但能够较好的对图象进行处理，得到精确的计数结果。     

基于内容检索的BMP图象特征提取

针对静态图象的特性 ,介绍了一种可以在 C语言环境下读取 BMP文件的方法 ,用这种方法 ,可以得到不同位图像素值的 BMP图象的每一个像素点的信息 (即 R,G,B)。在分析了几种典型的颜色和纹理特征提取算法的基础上 ,通过转换成不同的颜色空间 ,利用基于颜色和基于纹理的图象检索算法 ,提取该图象的颜色和纹理特征。并用不同的量化方法对图象的特征提取的效率进行了分析     

基于内容检索的BMP图象特征提限

针对静态图象的特性,介绍了一种可以在C语言环境下读取BMP文件的方法,用这种方法,可以得到不同位图像素值的BMP图象的每一个像素点的信息（即R,G,B）。在分析了几种典型的颜色和纹理特征提取算法的基础上,通过转换成不同的颜色空间,利用基于颜色和基于纹理的图象检索算法,提取该图象的颜色和纹理特征,并用不同的量化方法对图象的特征提取的效率进行了分析。     

图象的修正功率谱矩及其用于图象纹理分类

图象纹理分类在航空和卫星照片分割,计算机视觉,等图象分析的各种领域都有应用。本文提出了一种基于图象功率谱的纹理测度——图象修正功率谱矩,这是一种图象功率谱的加权能量和,所选用的权函数,使低阶谱矩包含较多的功率谱的空间频域分布信息,因此,以一些低阶谱矩为元素,形成表征纹理的特征矢量,可用较低维特征矢量进行分类而得到较高的正确分类率。 权函数等价于一组特殊形式的空间滤波器,本文根据该滤波器组冲激响应的性质,导出了谱矩的近似算法,可显著减少计算机时。对10类60幅由模型生成的图象以修正功率谱矩为特征,按最小距离分类,正确分类率达91.5％,优于文献[2]的结果。     

皮料自动分类中纹理分析方法的研究

阐述如何采用图像纹理分析方法对皮件生产中的皮料进行纹理分析识别。在对已有纹理分析方法对比研究以及大量实验的基础上，采用相隔一定距离的水平扫描线上的图象灰度数据作为研究对象，利用从中提取出的特征值，可以对皮料按精细度和深刻度进行识别分类，取得了较高的分类精度，这使皮料纹理的计算机实时自动识别分类成为可能，也为计算机图象处理提供了一种有效的分析方法。     

基于Kmeans-GMM模型的地板块纹理分类算法

为解决地板块纹理分类难度大的问题,提出了一种基于Kmeans-GMM模型的地板块纹理分类方法.在阐述混合高斯模型GMM及参数估计算法原理的基础上,采用灰度共生矩阵提取地板块纹理特征,结合Kmeans算法,通过训练得到各类纹理所对应的混合高斯模型GMM的参数,实现对地板块纹理分类.实验结果表明该方法辨识准确率高、识别速度快,优于传统的神经网络分类法以及SVM算法,为地板块纹理分类的研究提供了一个新的思路.     

基于FABEMD的纹理图像分类算法

针对二维经验模式分解算法应用于纹理图像分类中存在运算时间长、准确率低的问题,将快速自适应二维经验模式分解(fast and adaptive bidimensional empirical mode decomposition,FABEMD)方法应用到纹理图像分类中。该方法首先将纹理图像分解成3个二维固有模态函数(bidimensional intrinsic mode function,BIMF)和1个余量;其次使用灰度共生矩阵提取各BIMF的能量、熵、对比度和相关性这4个纹理特征参数,组成特征向量,最后采用最小距离分类器进行纹理图像分类。实验采用Brodatz纹理图像库,选取10幅纹理图像作为样本图像,仿真实验结果表明,与二维经验模式分解方法相比,所提的算法查准率为86.28%,同时缩短了运算时间。     

SIFT算法在木材纹理分类上的应用

为解决地板块纹理分类难度大的问题,提出了一种基于SIFT(scale-invariant feature transform),尺度不变特征转换的地板块纹理分类方法,该方法首先采用SIFT算法提取地板块图像特征值,并采用K-means聚类算法降低关键点数目,得到用于分类的特征行向量,最后构造DEELM分类器进行分类.实验结果表明,该方法不仅减少了描述图片的关键点数目便于分类,而且提高了木材纹理分类的准确性,为地板块纹理分类的研究提供了一个新的思路.     

基于T-GLCM和Tamura融合特征的纹理材质分类

虚拟现实力触觉再现对于图像纹理特征提取的要求越来越高,纹理因素复杂且无规律,单一的纹理提取算法并不能准确地描述图像纹理的特点.因此提出基于GLCM(灰度共生矩阵)和Tamura融合特征的纹理材质分类算法.此外,本文对传统灰度共生矩阵GLCM进行优化,提出了改进的GLCM(T-GLCM)算子,提升了GLCM的旋转不变性并减少了大量的冗余信息.利用Tamura纹理特征对图像进行量化,然后将各特征区域量化后级联成一组特征向量,融合T-GLCM的纹理特征,通过支持向量机(SVM)对纹理材质进行分类.实验结果表明,相比传统纹理特征提取算法,本文算法具有更高的分类精度且鲁棒性更好.     

煤泥浮选泡沫数字图象处理研究(之一)——浮选泡沫视觉特征的线邻域提取算法

进行了煤泥分批浮选实验 ,获取了大量的浮选精煤泡沫数字图象 .将图象的数字处理技术应用到泡沫图象特征参数的提取上 ,提出了有效描述浮选泡沫结构特征的线邻域提取算法——空间灰度相关矩阵法 (SGDM) ,并进一步引入了基于该灰度相关矩阵的能量、熵及惯性特征参数来描述浮选泡沫的视觉特征 .结合煤泥浮选泡沫的视觉纹理特征 ,分析了各特征参数的物理意义及其随浮选时间 (泡沫纹理 )的变化关系 ,定性地指出了各泡沫特征参数与泡沫纹理的相关性     

计算机图象识别中的最小模糊方差法

根据模糊划分和模糊聚类中心二个基本概念，提出了以模糊方差为目标函数的图象识别最优化方法及相应的迭代算法。根据该算法和最小范数判决对１００个脉搏图样本进行分类和识别，所获得的结果与实际情况完全符合。只要事先完成对图象的特征提取和选择工作，本方法可适用于任何图象的分类和识别。     

Web上基于医学图像内容检索技术的设计思想

利用医学图像的纹理、颜色、形态等多种信息分门类建立相关数据库。以多种方式从此医学图像数据库中进行检索。作者对建库的关键工作，图象的分割和病理特征提取的几种算法作了探讨，并且重点论证了双毯算法对骨肿瘤病变图象的特征提取。     

LBP-自适应增强模型的木材纹理分类

针对传统木材纹理分类的准确率低且难度大的问题,依据LBP(局部二值)算子和ADABOOST(自适应增强)算法理论,提出了LBP-ADABOOST模型对木材纹理进行识别分类.通过均匀旋转不变特性与原始LBP算子相融合,提取纹理的特征值,结合自适应增强算法,从而训练得到每类纹理所对应的分类器模型参数,构造分类器,实现对木材纹理准确高效分类.实验结果表明相比于BP神经网络,SVM支持向量机等分类算法,该模型的实验结果误差率为4%左右,准确率高,实用性强.     

基于小波变换的路面破损图像降噪增强算法

针对传统的边缘提取算法对提取路面裂缝的不适应问题,提出了一种基于二维离散小波变换的路面裂纹图像降噪增强算法。该算法利用小波变换分解公路裂纹图像,自适应地处理不同层次的细节系数,增强裂纹信息。实验结果证明,面对复杂的图像背景纹理信息和大量噪声,算法能够成功锐化裂纹边缘信息,去除公路纹理噪声,有着较强的鲁棒性。     

小波域隐Markov树模型的图像去噪快速算法

小波域隐Markov树模型(Hidden Markov Tree Model，简称HMT)能充分表现小波系数的统计特征，但模型训练算法计算量大。文中以图像去噪为应用背景，提出了基于HMT粗分类的多树训练算法。该算法通过对不同类型的纹理建立不同的HMT，对小波系数进行粗分类，在此基础上，不同类别的小波系数被分别建模，并将粗分类HMT的参数作为最终模型训练的初始化参数，从而提高了模型的精度，同时减小了训练算法的计算量。对于含复杂场景或纹理的图像，提出了基于方差粗分类的训练算法，也能有效地提高模型精度。对自然图像和SAR图像的去噪实验表明，采用粗分类训练算法的HMT去噪模型的去噪效果在客观指标上优于现有的HMT去噪模型。     

结合经验模态分解和Gabor滤波的高光谱图像分类

针对传统实施于原始数据空间的纹理提取方法的不足,采用经验模态分解理论提取高光谱图像中空间结构明显的固有模态分量,并在提取出的分量上进行Gabor滤波操作,将传统纹理提取方式转移到变换域上进行,提出了一种基于二维经验模态分解融合空间信息的高精度纹理提取算法。对两个数据集进行仿真实验,实验结果表明改进算法有效地提高了高光谱图像分类精度且抗噪性能良好,提出算法性能明显优于传统Gabor-PCA算法,能够更大程度挖掘高光谱图像空间信息。