基于自组织特征映射网络的纹理分类研究

提出了基于自组织特征映射网络（ＳＯＭ）的纹理分类方法。采用了适合纹理分析的纹理谱（ＴＳ）的概念，并在分类过程中引入了纹理谱特征向量，纹理谱向量是ＴＳ经过降维处理得到的。该特征向量反映了空间模式的纹理特征。在学习（训练）与分类识别中，采用了神经元网络模型。与ＴＳ相对应的特征向量重复地送入ＳＯＭ网络的输入端，网络的权向量则逐渐地将样本值聚类到各自的样本中心。计算机模拟实验表明，作者提出了纹理分类方案十     

一种红细胞特征提取与分类识别的研究

为解决血涂片细胞形态学检查中存在的一些问题,提高贫血检验的效率和准确率,运用图像特征提取与分类识别技术,对12类形态产生变异的红细胞进行图像特征提取研究,选择了5类几何特征和2类纹理特征,同时改进了圆形度的表达公式,并将多级SVM分类器结构应用到分类识别中.实验证明,改进的圆形度表达式能提高分类的准确率,树形结构的分类器预测分类效果理想,为计算机自动分析血细胞提供了理论和方法,对于贫血的诊断有着重要的意义.     

基于自组织特征映射网络的纹理分类研究

提出了基于自组织特征映射网络（ＳＯＭ）的纹理分类方法。采用了适合纹理分析的纹理谱（ＴＳ）的概念，并在分类过程中引入了纹理谱特征向量，纹理谱向量是ＴＳ经过降维处理得到的．该特征向量反映了空间模式的纹理特征．在学习（训练）与分类识别中，采用了神经元网络模型．与ＴＳ相对应的特征向量重复地送入ＳＯＭ网络的输入端，网络的权向量则逐渐地将样本值聚类到各自的样本中心．计算机模拟实验表明，作者提出的纹理分类方案十分有效而且实用．本方案计算量小，学习周斯短，识别率高．本文最后给出了实验结果及分析．     

甲状腺结节超声图像特征提取及识别

采用多特征融合方法鉴别甲状腺结节超声图像的良恶性。首先用多尺度LBPV模型提取结节的局部纹理特征,然后与Tamura模型提取的全局纹理特征相结合,从全局和局部两方面对甲状腺结节的纹理特征进行了细致的描述。又提取了纵横比、圆形度、紧致度等形状特征,将上述特征进行融合并利用主成分分析法PCA对融合后的特征进行降维。实验结果表明,模型提取的特征用于分类识别时,较上述任一单一模型所提取特征用于分类时能获得更高的识别率。     

基于Tamura纹理特征的煤岩壳质组显微组分分类

根据煤岩壳质组各显微组分的纹理特点及其差异,采用基于人类视觉感知的Tamura纹理描述方法,提取其粗糙度、对比度、方向度、线像度、规则度等特征量,对壳质组显微组分中角质体、藻类体和树皮体等3类组分典型样本进行描述,并对特征量的可区分性进行分析。鉴于壳质组显微组分样本数的局限,构建适合于小样本分类问题的支持向量机分类器,分别采用不同特征量及特征量组合对3种典型组分进行分类。实验结果表明:单个特征难以实现对显微组分的有效分类;采用组合特征可明显提高分类效果,其中线像度和方向度的组合效果最佳,分类平均准确率可达98.9%。该结果可为煤岩其它显微组分的分类与识别提供参考。     

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.     

基于概率神经网络板材纹理分类识别的研究

为了实现对板材纹理识别的自动化,提出了一种基于概率神经网络的板材纹理分类识别方法。首先,获取板材的灰度共生矩阵特征参数,并进行特征选择。然后,根据研究对象设计PNN分类器,进行分类实验,识别率为88.00%。结果表明,该方法是有效的,用其对板材纹理进行分类是基本可行的。     

基于概率神经网络板材纹理分类识别的研究

为了实现对板材纹理识别的自动化,提出了一种基于概率神经网络的板材纹理分类识别方法。首先,获取板材的灰度共生矩阵特征参数,并进行特征选择。然后,根据研究对象设计PNN分类器,进行分类实验,识别率为88.00%。结果表明,该方法是有效的,用其对板材纹理进行分类是基本可行的。     

一种基于层次分类与纹理分析的指纹识别方法

介绍了一种基于层次分类与纹理分析相结合的指纹识别方法．该方法通过指纹整体纹线特征分析，分层次进行指纹的形与子形分类，再由指纹的局部纹理分析确定指纹的细节特征，由此得到具有层次类属的待识指纹特征矢量．在此基础上采用了最大似然法和模糊综合评判方法，在特征数据库的相应类属中进行指纹识别，得到识别结果．该方法已用于指纹考勤系统，应用表明该方法在保证识别准确性的前提下明显地提高了识别速度．识别速度达0．8s／枚．     

采用纹理分析的运动人体阴影分割方法

研究采用纹理分析的方法来消除由光照产生的人体阴影,进行人体阴影分割,首先采用混合高斯模型对运动人体前景及背景进行提取,主要研究采用多尺度小波分解来提取运动人体背景及前景纹理及颜色特征,建立基于像素的纹理及颜色特征向量,并采用支持向量机对特征向量进行分类,如前景像素点特征向量与对应的背景像素点特征向量一致时,可判定为阴影区域。结果表明:采用此纹理分析方法可很好地分割出阴影区域,并且光照变化及采集图像时的颜色偏差对阴影提取几乎没有影响。     

基于小波理论的织物纹理特征提取

将小波理论应用到图像的纹理特征提取中，对不同组织的织物纹理进行处理，根据这种独特的纹理特征提取方法及分析结果，提出一种新的测量织物的经纬线密度、经纬组织点数、浮长、飞数等特征的方法，它对织物组织的计算机分析、识别及进一步的应用研究有重要的理论和实际意义。     

小波域声纳图像识别

声纳图像的最主要缺点是所受噪声干扰大，针对这个问题，设计了一种抗噪性强的声纳图像识别算法．首先对传统的塔型小波分解和树型小波分解进行比较，利用完全树式小波分解法获得了小波域的块纳子图像。其次，根据小波系数移变的特点，分别采用方差、三阶中心矩、四阶中心矩和熵作为统计量提取图像的纹理特征。最后，按照特征本身的离散程度对其进行规范化处理．为了验证该算法的性能，采用最小距离分类器对实测的4000余幅块纳图像进行分类识别实验，实验结果表明，利用规范化处理后的方差作为块纳图像的纹理特征表示时，分类识别性能是最佳的。     

基于数字图像处理技术的储粮害虫分类识别研究

阐述了在储粮害虫分类识别研究中利用计算机数字图像处理技术,自动提取静态储粮害虫图像的数理统计特征、纹理特征和几何形状特征,并在此基础上采用BP神经网络进行分类和识别的主要技术和方法.实验结果表明,BP具有较强的自适应性,对有噪声、残缺的储粮害虫图像识别也能得到较好的效果.     

猪眼肌B超图像纹理特征提取与分类

提出了猪眼肌B超图像的纹理特征提取与分类方法,可以应用于猪眼肌肌内脂肪含量的计算机辅助检测判断。对猪眼肌B超图像特征区域采用基于纹理共生矩阵的算法提取了5种纹理特征量。使用相关性分析的方法对提取的5种特征量进行筛选,最后确定3种主要特征量反映猪眼肌B超图像纹理特征,并使用BP神经网络实现分类。对135组已测数据随机选取训练集合测试集。多次随机试验表明,所提取的算法达到了较高的分类准确率,为生猪肉质无损检测研究提供了有价值的参考。     

植被覆盖茂密区碳酸盐岩岩性的遥感识别——以灌江流域为例

由于茂密的植被覆盖,西南岩溶区在遥感图像上反映的大部分是植被覆盖层的光谱信息,而直接的岩性光谱信息很弱,因而利用遥感图像识别岩性,尤其是碳酸盐岩岩性的难度很大。以广西灌江流域为例,在植被茂密的南方岩溶区利用多源遥感数据,如ETM、SPOT、ASTER数据进行碳酸盐岩的计算机自动岩性识别。结果表明：多源遥感数据的岩性识别效果远大于单一类型的遥感数据;未进行融合的遥感数据的分类效果好于融合后的数据;利用高分辨率遥感数据的纹理图像参与分类,有助于提高分类的精度。最终,采用SPOT的4个多光谱波段、ASTER的14个波段、TM的6个波段3种遥感数据共24个波段加上4个SPOT纹理图像和3个ASTER可见光波段的纹理图像共31个波段组合进行岩性的自动识别分类,取得了82.01%的自动识别总精度。     

基于贝叶斯理论集成网络分类器在板材识别中的应用

为了实现对板材纹理识别的自动化,提出了一种基于贝叶斯理论集成网络分类器的板材纹理分类识别方法。根据板材纹理复杂多变的特点,选用高斯-马尔可夫随机场方法描述板材纹理,获取了板材的GMRF特征参数。根据实验数据设计BP神经网络分类器,获取了分类器的置信度矩阵,利用贝叶斯理论进行分类器集成,发现随着参与集成分类器数量的增加,集成分类器总体识别率呈下降趋势,在分类器数量为3个时识别率最高,达到了91.00%。结果表明,该方法是有效的,用其对板材纹理进行分类识别基本可行。     

步态能量图的局部纹理特征分析方法

基于步态能量图表示方法,采用纹理特征分析方法对其亮度值的局部空间分布特性进行分析,得到局部变化幅度、局部标准差、局部熵三种纹理特征。采用经典的欧氏距离和最近邻分类器完成分类识别。CASIA步态数据库上的实验结果验证了算法的有效性。     

纺织品表面纹理的图像分析方法

回顾了用于纺织品表面纹理的图像分析方法,其中着重介绍了纺织品表面纹理特征的描述方法、分析方法和模式分类方法,并以一些常用纺织品为对象,对这些方法的有效性作了比较。     

基于数学形态学和纹理的切屑图像处理及识别

根据切屑图像的特点，阐述了数学形态学在切屑图像降噪及边缘提取中的应用。利用所述方法对几种不同类型的切屑图像进行处理，并进行纹理特征提取，利用SOM神经网络对图像进行分类，最终将其应用于切屑图像的识别。经检验证明，该方法利用形态学对切屑图像处理及纹理分析是可行的，并且有较好的效果。     

基于内容检索的硅藻细胞自动分类

对硅藻细胞分类提出了一种基于内容的分类方法。该方法首先获取带外接圆的目标;然后,对其应用纹理主特征直方图,纹理变化度,纹理角特征3种方法提取出目标的特征向量;最后使用欧氏距离进行相似性度量。实验结果表明,该方法具有较好的分类准确率及召回率。