数字图像的纹理特征提取与分类研究

本文提出了一种基于Gabor小波和灰度共生矩阵进行数字图像特征提并与支持向量机模型相结合的纹理分类算法。首先分别利用Gabor变换和灰度共生矩阵提取数字图像的特征,进而利用支持向量机算法实现图像的训练和分类。实验结果表明,与传统的分类方法相比,这种通过Gabor小波和灰度共生矩阵得到数字图像的特征并与支持向量机相结合的方法能有效地提高分类正确率。     

高阶平滑表面提取算法的CUDA并行实现

高阶平滑表面提取算法可有效抑制传统步进立方体算法存在的鳞状失真现象,但引入了较复杂的最优化运算,降低了表面提取的效率.针对该问题,提出基于图形处理器的并行加速优化方法.首先将算法分解成分界区域、窄带区域、嵌入函数边界值、嵌入函数值最优化和三角面网格提取5个计算步骤,其次根据每个处理步骤的运算特点进行任务分解.为便于图形处理器并行优化,将其中最耗时的嵌入函数值最优化计算,表示成矩阵运算形式,通过投影雅可比迭代估计最优解.实验结果表明,在GeForce GT 240M显卡上并行优化后平均加速比可达到9以上.     

人物图像的特征提取与分类方法的研究

提出了一种区分计算机绘制的人物图像（以下简称CG图像）和由摄像机获取的真实人物图像（以下简称PG图像）的方法,该方法通过提取小波系数特征、颜色特征以及纹理特征获得图像的统计模型。并采用SVM分类器来学习和辨别这种差别。实验表明,该方法在分辨图像真伪方面是具备一定参考价值的,尤其在一幅图像没有数字水印的情况下,具有特殊的实际应用价值。其对特征的提取是显著有效的,从而验证了这种统计模型与分类器相结合进行图像真伪分析的实验方法的有效性。     

基于特征匹配的亚像素级全景图像配准算法

为了提高全景图全自动拼接中图像配准的速度和匹配稳健性,提出了一种基于相对距离法去除外点的亚像素级图像配准算法,并给出了分析和实验结果,亚像素级像素定位误差在0.01~0.1之内。在对12组图像匹配的实验结果表明,该匹配算法的匹配正确率达到100%,且匹配的时间小于目前通用的RANSAC匹配算法。