基于灰度向量表示的纹理元集的非监控纹理图像分割

提出了一种采用灰度向量描述纹理基元的结构性统计方法,该方法可以较好地提取物体表面的结构特征。在用该方法对纹理进行描述的基础上,采用了改进的模糊C均值聚类算法对提取的纹理特征进行分割。将此方法应用到Brodatz标准纹理分类实验中,得到很好的效果。     

基于基元分布的误差可调纹理分类算法

提出一种基于纹理基元分布统计的纹理分类算法，选定一组代表像素变化的基元序列，计算每一个基元在纹理图像中的覆盖比例，用得到的纹理基元属性分布作为描述参数；由于相似纹理其属性也是相似的，同类纹理必然有接近的基元分布参数，计算参与实验的纹理样本的基元分布的互方差及互相关，与代表相似程度的阈值比较判断，由获得的共性来锁定同类纹理；为使同类纹理具有可参照的标准，产生针对每一类纹理的标准类分布。对Brodatz的111纹理不同相似程度的分类结果表明，该方法保证了统计结果与视觉判断的一致性，可用于纹理的分类及识别。     

基于蓝噪声理论的多尺度遥感森林植被分割

针对森林植被分割方法中纹理尺度以及植被纹理描述问题,基于蓝噪声理论,提出一种多尺度的结合灰度、形状以及其他纹理特征构建森林纹理结构基元的分割方法。该方法通过对森林植被典型区域进行快速傅里叶变换,探测区域的蓝噪声特征,并计算森林植被纹理单元的尺度和灰度分布。然后结合区域的灰度、形状和其他纹理特征构建不同尺度下森林纹理结构基元,利用森林纹理结构基元对图像进行提取,获取最终分割结果。实验结果表明,本文提出的算法能够提高植被区域分割的准确性,取得了较好的分割效果。     

遥感图像分类中的灰度自相关约束共生矩阵

提出了一种提取图像纹理特征的新方法。该方法把具有反映灰度空间相关性和连续性的自相关矩阵引入灰度共生矩阵,构造了灰度自相关约束共生矩阵,更好的描述了图像灰度空间的变化特征和纹理的结构特征。实验证明该方法可以有效地提高遥感图像分类的精度,使分类效果得到很大的改善。     

一种快速有效的图像纹理谱描述子

提出了一种基于纹理基元等价类的纹理谱描述子来描述图像的纹理特征．该纹理谱刻画邻域内像素灰度变化模式，以纹理谱直方图方式表示图像内容．与Gabor纹理特征的对比实验表明，文中的纹理谱描述子特征提取速度快、检索准确率高．最后给出了实验结果和性能评价．     

一种结合形状与纹理特征的植物叶片分类方法

根据植物叶片识别植物种类对于生物科学与生态科学具有重要的辅助作用。针对叶片分类,提出了一种基于形状与纹理特征的分类算法。在进行了去噪等预处理后,通过阈值分割和数学形态学方法获取叶片区域;在分割得到的二值区域图像上提取了形状特征,在灰度图像上提取了纹理特征;在所得特征的基础上,利用BP网络对叶片进行分类。在实际图片上的实验结果表明,相比于已有算法,该方法可以达到更高的正确分类率。     

一种综合颜色和纹理特征的图像检索算法

对图像颜色特征和纹理特征进行了研究。在图像颜色特征方面,利用人类的视觉特性,对图像不同分块的主色进行确认和加权处理,获得加权主色颜色特征;在纹理特征方面,利用统计法和结构法构造灰度-差分基元共生矩阵来提取纹理特征。在此基础上,通过高斯归一化方法将颜色特征和纹理特征进行综合,形成最后的图像检索特征,并给出了利用该特征的图像检索算法。实验结果表明,所提出的灰度-差分基元共生矩阵特征提取较传统的灰度共生矩阵特征更加精细,在此基础上综合利用颜色和纹理特征的图像检索方法具有更好的检索精度。     

基于改进ORB算法的双目视觉定位测量方法

针对基于传统特征点检测的双目视觉测量中匹配时间长、误匹配率高和测量精度低的问题,提出了基于改进ORB算法的双目视觉定位测量方法。首先对特征点邻域内的像素点灰度值进行加权,再采用灰度质心法提取特征点的主方向,最后以字符串描述子代替传统二进制描述子对特征点进行描述,在测量中采用二维二次函数精确拟合特征点的亚像素坐标,实验结果表明,该改进方法在特征点匹配正确率和测量精度上都有很大的提升,特征点匹配正确率提升了31.8%,测量最低误差达到0.42%,满足双目视觉测量的精度要求。     

融合LBP和GLCM的纹理特征提取方法

为提取有效的特征用于纹理描述和分类,提出一种融合局部二进制模式(LBP)和灰度共生矩阵(GLCM)的纹理特征提取方法。利用旋转不变的LBP算子处理纹理图像,得到LBP图像及其GLCM,采用对比度、相关性、能量和逆差矩描述图像的纹理特征。实验结果表明,与其他方法相比,该方法提取的纹理特征具有更强的纹理鉴别能力,平均分类正确率达到93%。     

利用累加距离匹配函数的纹理规则度计算方法

规则度是纹理图像的主要特征之一,能够用于纹理图像的描述和分类.基于累加距离匹配函数(SDMF)提出一种纹理图像规则度计算方法,并建立规则?近似规则?随机纹理的分类模型和进行纹理粗细程度判定.首先针对纹理图像构建相应SDMF;然后利用二次求导和阈值划分提取显著峰谷;最后以峰值和谷值的数量,位置,关系为特征,构建周期规则度特征向量和纹理分类模型.以Brodatz图像库进行实验的结果表明,文中的规则度能够有效地区分规则图像、近似规则图像和随机图像,符合视觉感知,并与已有研究结果进行类比验证,具有更好的准确性;同时,由于SDMF的第一周期可以作为纹理基元的尺寸,因此可以扩展对纹理基元的粗细程度的分类.     

一种遥感图象的混合多尺度Hurst参数分类模型

针对遥感图象分类较困难的问题,提出了一个遥感图象的分类模型－扩展的自相似模型（ESS）,该模型是一种广义的分形布朗模型（fBm),它的多尺度Hurst参数与粗糙度之间的是对应的,同时不必像分形维数那样要求粗工的尺度不变性,因而比fBm更接近于实际情况,另外,由于它的参数可以作为很好的分类特征,而且特征给数低,计算快,其方向性Hurst参数还描述了纹理在4个方向上的粗糙度,因此可将它们与灰度的均值和标准差一起作为一组特征,来构造一个混合多尺度Hurst参数分类模型,将其用于卫星遥感图象分类,获得了较高的分类正确率。     

一种新的自然纹理分类方法

纹理分类一直是图像处理领域重要的研究课题之一。目前,用数学方法描述纹理特征从而进行纹理分类非常流行,但这些方法无法消除纹理视觉特征和人们理解的纹理概念之间的语义障碍。提出了一种新的基于中文自然语言纹理描述词的纹理方法,把常见的自然纹理分为10大类别,然后利用小波包分解和最小二乘支持向量机对自然纹理进行分类,实现了纹理的视觉特征到语义描述的转换。实验结果证明,该方法在图像理解和基于自然语言的图像检索中有助于缩小纹理特征的数学描述和人类理解之间的“语义鸿沟”。     

基于直方图比率特征的虹膜图像分类方法

针对虹膜纹理的模式分类问题，提出了一种直方图比率特征的虹膜纹理分类方法。该方法利用虹膜图像的直方图信息，提取虹膜灰度等级对，通过灰度等级对自相关策略。计算虹膜纹理的直方图比率特征，实现了虹膜纹理的最大化分类。在相同的实验条件下，对不同样本的虹膜图像进行了仿真实验，结果表明：直方图比率方法较传统的直方图方法平均提高了3．05％的识别率。     

基于概念的自然纹理分类

纹理是图像的重要视觉特征,纹理分类是图像分析、计算机视觉等领域一个重要的研究课题。文章不同于以往的纹理分类方法,提出了一种基于概念的纹理分类方法。该方法以中文自然语言中常用的纹理描述词作为纹理概念,给出了10个基本概念的纹理分类,然后利用Gabor滤波参数和SVM对自然纹理图像进行分类,实现了图像的纹理视觉特征到纹理概念的转换,部分解决了纹理概念与纹理参数之间的“语义鸿沟”问题。     

纹理元提取与纹理合成的自由参数估计

该文分析了常见的两类纹理:随机性纹理与结构性纹理的特性,针对其不同的统计特征,采用两种方法提取纹理元。对随机性纹理采用变尺度窗口特征跟踪的方法提取纹理元;对结构性纹理,利用其具备较为明显的边界特性,采用基于图像分割的方法提取纹理元。为避免图像噪声和自然边界不连续造成的提取误差,使用Bayes分类进行二次精细分割加以修正。实验证明,该文提出的方法对两类纹理元有较好的提取效果,同时可以用来估计纹理合成时的自由参数。     

An optimum feature extraction method for texture classification

Texture can be defined as a local statistical pattern of texture primitives in observer’s domain of interest. Texture classification aims to assign texture labels to unknown textures, according to training samples and classification rules. In this paper a novel method, which is an intelligent system for texture classification is introduced. It used a combination of genetic algorithm, discrete wavelet transform and neural network for optimum feature extraction from texture images. An algorithm called the intelligent system, which processes the pattern recognition approximation, is developed. We tested the proposed method with several texture images. The overall success rate is about 95%.     

Generating haptic texture using solid noise

Texture enhances haptic interaction by providing unique, distinguishable, and versatile surfaces. In computer haptics, texture can render environments more realistic and provide useful information. In this paper, an algorithm is proposed for virtual texture simulation by using solid noise, where only a few parameters need to be altered to generate a range of realistic and diverse textures by reproducing different frequencies similar to that of real vibrational signals in a virtual environment. The proposed method can capture the textural effect in a haptic simulation while retaining a simple overall geometry and stable update rate. This method also allows the user to change the texture at runtime and can be easily incorporated into any existing code and used in any traditional haptic device without affecting overall haptic-rendering performance. Moreover, the solid noise texture is independent of object geometry and can be applied to any shape without additional computations. We conducted a human-subject study to evaluate the recognition accuracy for each generated haptic texture as well as its realism and correspondence to real texture. The results indicated the high performance of the method and its ability to generate haptic textures with a very high recognition rate that were highly realistic.     

Rotation and gray-scale-invariant texture analysis using radon and differential radon transforms based hidden Markov models

This study carries out rotation and gray-scale-invariant texture analysis of the textures in Brodatz album. A radon and differential radon transform based technique has been proposed to extract the features of the different textures at different orientations. These features have been used to train one-dimensional hidden Markov models - one for each texture. Testing and classification was done using percentage of correct classification (PCC) as figure of merit. The best percentage achieved was 99.9%.