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。     

基于小波变换和ODPSF的纹理图象分割方法

在纹理图象分割的研究领域中,基于人类视觉感知特性的图象分割方法是一个重要的新研究方向,文中给出了一种纺理图象分割的新方法,即将小波变换和方向滤波有效地结合了起来,该方法是根据小波变换的多尺度、多频道滤波的特点,采用小波包提取纹理主频,然后用一种二维最佳正交极可分方向滤波器对纹理有关方向和频率等其他特征进行分割,实验结果表明,这种方法能够获得较好的分割效果。     

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。     

利用多进制小波变换和模糊c-均值聚类进行纹理分割

提出了一种基于多进制小波变换的多纹理特征提取方法,通过对小波系数的标准差作为纹理测度以生成特征向量,利用模糊c-均值聚类算法进行纹理分割,获得了较好的实验结果。     

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。     

基于纹理基元的图象分割

纹理分割是图象处理的基本问题之一．针对广泛的纹理图象,需要一个高效、鲁棒的分割方法,因此提出了一种基于纹理基元的纹理图象分割算法．首先,以Harr小波为变换工具,得到具有方向性的纹理子图象;然后给出了一种新的纹理基元提取方法,并在此基础上,应用统计方法和矢量场,对纹理区域进行由粗到细的分割．通过这种方法不仅可以对纹理图象进行分割,还可以对同一区域的纹理结构进行描述,从而有利于在这种分割方法基础上,进行更高层次的图象处理．     

基于QWT和GLCM的多特征双重加权纹理分割

针对传统特征加权算法对混合属性数据只进行全局样本加权,而忽略不同特征提取算法对纹理描述性能强弱的缺点,提出一种基于算法有效性和特征重要性的双重加权策略.将四元数小波变换和灰度共生矩阵融合特征应用k-means算法进行初聚类,并以此产生的初始聚类中心作为参考,取每类聚类中心的k-近邻样本作为双重加权的训练样本集合.利用改进的ReliefF算法和相关性度量解决特征内权值的设定问题,再利用SVM解决特征间加权问题,最后将双重特征加权结合FCM应用于纹理分割.实验结果表明,该方法在合成纹理和自然纹理图像中均有较好的性能,且较其他特征加权算法分割准确度更高.     

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.     

基于小波变换和kd树聚类的快速纹理分割算法

提出了一种基于小波变换和k均值聚类的快速纹理图像分割算法。该方法包括特征提取、特征平滑、纹理分割三个阶段。其中,特征提取在金字塔结构小波变换的基础上进行;特征平滑利用一种四分法来完成特征图像的噪声平滑和边缘保持;纹理分割则利用kd树作为数据结构来运行k均值聚类算法从而实现纹理图像的快速分割。实验结果表明与直接的k均值聚类算法相比,该方法在运行时间上得到了明显的提高。     

基于小波包框架的纹理分割

本文描述了利用小波包框架变换和包络检测算法提取图像在不同尺度下的纹理特征.该变换是一种冗余的变换,具有位移不变的特点,同时又能对任意感兴趣的尺度范围作进一步的分解.实验表明,利用小波包框架提取纹理的特征优于小波变换或小波框架变换.结合包络检测算法,能达到较高的正确分割率.     

Texture segmentation using wavelet transform

Texture analysis such as segmentation and classification plays a vital role in computer vision and pattern recognition and is widely applied to many areas such as industrial automation, bio-medical image processing and remote sensing. This paper describes a novel technique of feature extraction for characterization and segmentation of texture at multiple scales based on block by block comparison of wavelet co-occurrence features. The performance of this segmentation algorithm is superior to traditional single resolution techniques such as texture spectrum, co-occurrences, local linear transforms, etc. The results of the proposed algorithm are found to be satisfactory.     

基于小波分形特征提取的图象分割方法

提出了一种基于小波分解和分形纹理特征计算的图象分割方法,首先考虑对图象进行小波变换,然后对不同通道的子图象提取纹理的分形特征和能量特征,最后用直方图阈值分割方法实现图象的分割,实验表明,该方法对模拟纹理图象以及多少谱遥感图象的分割都取得了满意的效果。     

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。     

Texture segmentation using hierarchical wavelet decomposition

This paper presents a texture segmentation algorithm based on a hierarchical wavelet decomposition. Using Daubechies four-tap filter, an original image is decomposed into three detail images and one approximate image. The decomposition can be recursively applied to the approximate image to generate a lower resolution of the pyramid. The segmentation starts at the lowest resolution using the K-means clustering scheme and textural features obtained from various sub-bands. The result of segmentation is propagated through the pyramid to a higher resolution with continuously improving the segmentation. The lower resolution levels help to build the contour of the segmented texture, while higher levels refine the process, and correct possible errors.     

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。     

Bark子波变换的改进及其在水声目标分类中的应用

该文在Bark子波的构造的基础上,提出一种改进的子波变换。该子波变换在Bark子波变换的非线性映射中引入伸缩尺度参数,以及改变Bark子波母函数的相关参数,实现了更为灵活的频域划分。然后基于改进的子波变换进行水声目标特征提取,及分类实验。实验表明,改进的子波变换提取特征的可分性优于Bark子波变换。     

Blur invariants: A novel representation in the wavelet domain

Blur invariants in the wavelet domain are proposed for the first time in this paper. Wavelet domain blur invariants take advantage of several benefits that this domain provides, i.e. different alternatives for wavelet function and analysis in different scales. It is not required to model the blur system in order to extract the invariants. It will be shown how the space domain blur invariants are a special case of the proposed invariants. It will also be explained how the proposed invariants would not have the null space that their special case in the spatial domain have which limits their discriminative power. The performance of these invariants will be demonstrated through experiments, and compared to its counterpart which is defined in the spatial domain.     

An MLP-based texture segmentation method without selecting a feature set

A texture segmentation technique which employs a multilayer perceptron (MLP) and does not consider the selection of features is presented in this paper. Thus, users can avoid selection and computation of the feature set and hence real-time segmentation may be possible. The technique apparently works in a fashion similar to our visual system whereby we do not consciously compute any feature for texture discrimination. A detailed study has been made for the selection of the network size. A newly proposed variant of the back-propagation algorithm has been used for more efficient training of the network. An edge-preserving noise-smoothing approach has been proposed to remove noise from the segmented image.