基于小波包特征的纹理影像分割

利用小波包变换来检测纹理图象上的灰度变化，以得到多分辨率、多方向性的微观统计特征图象，在此基础上用Ｅｎｖｅｌｏｐ算法提取基于边缘信息的纹理特征，为了克服纹理特征之间的相关性，采用了子空间分类器对纹理特征图象进行分类，取得了较好的分割效果。     

基于小波变换的纹理图像分割

基于小波的纹理图像分割方法是把小波变换应用于纹理的特征提取。通过对原始纹理图像进行高阶小波分解，构成每个象素对应一个特征矢量，对所提取的特征利用均值举类算法进行分类，最终获得图像的分割结果。为了提高纹理分割图像的边缘准确性和区域性以及降低分割错误率，提出了利用特征加权来进行后分割的方法。     

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。     

基于小波变换和蚁群算法的纹理分割

纹理分割是图像模式识别中的关键步骤,但直到现在仍然没有一种有效的方法能够解决。本文提出了一种新的基于小波变换和蚁群算法的纹理分割方法。该方法首先用小波变换提取图像不同频带的纹理特征,然后提出具有聚类能力的蚁群算法数学模型,并用这个模型来进行分割。实验结果表明,该方法是一种有效的纹理分割方法。     

基于概率纹理模型的纹理分割方法分析

基于最优小波包基的纹理自适应概率模型通过优选小波包基来区分不同纹理,具有纹理描述更准确的优点。研究基于纹理自适应描述的邻域分割法,通过实验分析了纹理概率模型和邻域分割法对分割效果影响的主次关系。实验结果表明邻域分割法是分割取得好效果（分割错误率低于1．34％）的主要影响因素,概率模型对分割效果的作用是次要因素。这一结论的得出将有利于对该方法的改进。     

基于小波包变换和蚁群算法的纹理分类

提出了一种小波包变换和蚁群算法相结合的纹理分类新方法。首先采用小波包变换提取纹理图像的纹理特征向量,然后用蚁群算法进行训练和分类。实验表明小波包变换和蚁群算法应用到纹理分类领域,是一次有效的尝试。     

基于小波包变换的纹理图像检索

提出了一种利用小波包变换分解图像,提取纹理特征进行图像检索的新方法。该方法利用小波包函数的特性,对多分辨分析没有细分的高频部分进行分解,从而形成能够精确表征图像的特征矢量。匹配算法则使用比值相似度。实验结果表明,该方法计算简单、有效、检索效果较好。     

基于多进制小波变换的纹理图像分割

多进制小波分析是二进制小波理论的推广和延伸,因此其在很多方面具有比二进制小波更优良的特性.本文提出了一种基于多进制小波变换的纹理特征提取方法,通过对小波系数的标准差作为纹理测度以生成特征向量,利用C-均值聚类算法进行纹理分割.实验结果好于二进制小波.     

基于小波变换的图像纹理特征提取技术

纹理是一种区域特征,是对于图像各像元之间的空间分布的一种描述.由于纹理能充分利用图像信息,无论从理论上或常识上出发它都显然应该成为描述与识别图像的重要依据,同时与其它图像特征相比,它似乎能更好地兼顾图像宏观性质与细微结构两个方面,因此纹理分析成为图像分析的重要手段.它被广泛的应用于气象云图分析、卫星遥感图像分析、机器人视觉、工业监控、场景分析、辅助医疗、生物组织和细胞的显微镜照片分析和军事目标分析等诸多领域.     

一种基于小波变换的无监督纹理分割算法

提出了一种基于小波变换和均值偏移的无监督纹理图像分割算法。首先用小波变换对图像进行二级小波分解,然后用均值偏移算法估计出粗尺度上对应的聚类数目,并结合模糊c均值算法进行聚类,在此基础上,用定义的阈值函数和Fisher判据确定出细尺度上每个初始聚类中心的一个同组,从而实现图像的由粗到细的分割。实验结果表明,在分割精度相差不大的情况下,该方法解决了传统聚类方法所存在的需要聚类数目和对初始聚类中心敏感问题。     

基于分形维数的纹理图像分割

纹理图发割过程一般分为特征抽取和特征划分,文中提出一种新的基于分形维数的纹理图像分割方法,在特征抽取上,以分形作为纹理特征,运用图像变换的思想,结合差分盒计数和基于分形布朗自相似模型的分形估计方法。     

小波分析用于菌落图像的纹理分割

微生物菌种是发酵工业的基础与核心,筛选和改良菌种有利于稳定和降低成本。菌落的形貌特征是菌种生化特性的宏观表象,一直是实际工业生产中人工筛选的主要判定依据。用计算机视觉代替人眼,实现菌种的自动分类与识别,能极大地提高生产效益。文中以“绿僵菌”为例,基于小波分析理论,实现了“绿僵菌”菌落显微图像的纹理分割。该算法首先对原始图像实施二维多分辨率小波分解,得到特征图像;然后对其直方图进行一维小波变换,多阈     

基于不完全树结构小波变换及模糊聚类神经网络的纹理分割

提出了一种新的不完全树结构小波变换用于纹理特征提取,给出了一种一人类视觉过程相一致的多分辨率多通道纹理分析方法,它由：1）特征提取：使用不完全树结构小波变换抽取纹理特征;2）基于模糊神经 网络的特征粗分类：①基于样本分布密度的模糊Kohonen聚类网络权植初始化,②使用缩减的特征向量对网络进行训练,得到粗分割结果;3）细化粗分割结果等几部分构成。实验结果证明了其有效性。     

纹理特征提取及分割

本文概述了近几年的纹理特征提取和分割技术,介绍了各种方法的基本思想,相关的计算公式和实验结果,最后指出了定量评价各种方法性能所面临的困难。     

完全无监督的纹理图像分割

借助于完全离散小波分解得到的大量子图像数据作为均值移动算法的收敛数据,寻找灰度直方图中灰度集中收敛点,并对其收敛点进行模糊聚类,达到分割图像的目的.这一方法已经在竹材横截面细胞壁结晶区图像的测量中得到实际应用,并已经取得了良好的效果.     

基于小波包变换的多区域信息隐藏算法

提出一种基于小波包变换的多区域信息隐藏算法.为了提高秘密信息抗攻击的鲁棒性,算法引入小波包分解,通过修改小波域系数,将秘密信息同时嵌入到分解后的多个子区域.针对不同的子区域,自适应地设置相应的嵌入因子,从而保证了嵌入信息后的透明性.秘密信息的提取不需要原始图像,实验结果表明:对于一些常见的攻击,算法具有较好的鲁棒性且易于实现.     

基于小波变换的图像分割研究

基于多分辨率分析的图像分割技术是当前图像处理的重要内容,提出了小波变换多分辨率分析方法与改进分水岭分割算法相结合的综合分割方法.此方法利用逐层影射和小波反变换可以得到高分辨率图像,与在原始图像上直接进行传统分水岭分割算法相比较,该方法的实验结果能有效地减少分水岭算法图像过分割现象,经实验证明了该方法的有效性和实用性.     

图像纹理分区技术在花边CAD系统中的应用

本文阐述了花边ＣＡＤ在发展过程中，引入了图像纹理分区技术，从而解决了花边ＣＡＤ中最大的“瓶颈”－花边稿输入速度问题，文章介绍了图像纹理分区的基本特征，以及作者对几种常用方法的改进，以使之更为适合在花边ＣＡＤ图稿输入处理中的应用。