基于角度径向变换的旋转不变纹理分类

纹理分类广泛的应用于医学图像分析等领域,纹理图像的采集因拍摄角度的变化产生一定的旋转,本文提出一种基于角度径向变换的旋转不变纹理分类方法。首先采用角度径向变换方法对图像进行特征提取,分别得到图像的角向特征向量和径向特征向量;然后将提取出的2组特征向量结合起来作为图像的整体特征向量,利用K近邻特征空间距离的分类方法进行纹理分类。选取Brodatz纹理库中的图像进行纹理分类测试,实验结果表明,该算法具有较好的旋转不变纹理分类效果。     

基于方向导数的地震剖面图像分割仿真

利用人工地震波进行的地震勘探是目前寻找石油及天然气的主要方法.利用数字图像处理和模式识别技术来自动分割和识别地震剖面图,在油气勘探中具有重要的应用前景.由于地震数据非常庞大,为了在保证分割有效性的前提下提高实时识别能力,提出了基于方向导数的纹理分割法.将方向导数用于提取纹理的微观特征并结合laws纹理能量测度组成特征向量,通过FCM的分类来进行分割.该方法简单,容易实现,并且在分割边缘上具有较低的错分率.最后在Matlab平台上对真实的地震剖面图像进行了纹理分割仿真,得到较好的分割结果.     

一种基于纹理特征的超声心动图像分割算法

以马尔可夫随机过程和梯度小波变换为基础提出了梯度小波纹理模型.由梯度小波纹理模型的参数组成描述图像纹理的特征向量,梯度小波纹理模型利用了马尔可夫随机场图像模型的优点和基于该模型的成熟方法,并且引入了多尺度、多分辨率等特性.然后采用Kohonen自组织SOM(Self-Organizing Feature Map)神经网络对纹理特征向量进行无监督学习,最后对超声心动图像进行纹理分割,取得较满意的分割效果.     

基于滤波器阵列与图割的彩色纹理分割

图割法因无法体现像素点的纹理区域特性而难以应用于纹理分割。针对该问题,提出一种基于滤波器阵列与图割的彩色纹理分割算法。利用构建的滤波器阵列提取图像的纹理特征,并加入图像的H、S、I分量值组成纹理-色彩特征向量,采用texton直方图作为彩色纹理的统计模型对纹理-色彩特征向量进行统计计算,通过直方图差计算像素点间的纹理相似度,再应用图割法中的规范割准则对彩色纹理进行分割。实验结果证明,该算法具有较高的分割准确性。     

纹理相似性度量研究及基于纹理特征的图像检索

纹理相似性研究是纹理合成和基于内容检索研究中的一个重要组成部分.在相似性 判断中,采用与人类视觉感知相对应的纹理特征,将比使用其他无明确含义的纹理特征,对 系统的进一步改善有着更为重要的指导意义.在Tamura,Amadasun和Haralick等人提出的 纹理特征的基础上分析了与人类视觉特征有较为明确对应关系的19个纹理特征,不同纹理 之间的相似性由这19个纹理特征构成的归一化特征向量之间的加权欧氏距离决定.对大量 纹理图像的相似性进行了度量,实验结果表明所选的纹理特征有较强的描述能力.使用了主 成分分析算法来压缩特征向量的维数,结果表明,6维特征主分量已经可以给出较好的纹理相 似性度量.     

基于LBP的加权分布纹理熵的图像检索算法

通过对目前存在的一些基于纹理的图像检索算法的分析,指出了它们存在的不足,提出一种基于LBP的加权分布纹理熵的图像检索算法。首先,该算法依据图像关键兴趣区域分布特点将图像分成不均匀的9块子图,接着单独对各个子图块根据Uniform Pattern LBP计算个子图块的纹理特征,并结合信息论统计各个子图的纹理熵,然后把9块子图的纹理熵合并作为整个图像的纹理特征向量,最后依据特征向量元素对应各个兴趣区域的重要性加权进行图像检索。该算法相对传统LBP算法,保留图像空间信息,且区域偏重权系数能弱化不相关信息,同时9维度的特征向量能加快图像的检索效率。实验结果表明,该算法能获得较好的检索性能。     

基于Quaternion-Gabor滤波器的彩色纹理分割算法研究

提出一种的简单快速的多通道Gabor滤波技术对彩色纹理进行分割。首先,通过DRBFT和IDRBFT对彩色纹理的进行多通道Gabor滤波,再运用PCA对滤波得到的特征向量进行降维,对降维后的特征向量进行k-mean聚类,最后再对聚类后的区域用mean shift进行平滑,通过对平滑后的区域进行边缘检测就可以得到不同纹理的边界。最后给出几种分割算法的实验结果比较,表明该算法对于分割彩色纹理还是非常有效的。     

轮廓波域Entropy—Fourier旋转不变算子在纹理分类中的应用

针对图像的旋转问题,提出一种基于contourlet域的旋转不变纹理描述算子。对contourlet变换后的系数进行处理,提取子带香农熵作为特征向量,然后对各个尺度的特征向量进行离散傅立叶变换,得到旋转不变的纹理特征。利用傅立叶谱的对称性,将特征向量进一步降维。最后采用支持向量机和欧式距离对纹理图像进行分类。在包含1456幅图像的自建图像库中进行分类实验,结果表明该方法在低计算复杂度的优势下。能获得较好的分类性能。     

一种结合多特征的SVM图像分割方法

在分析了频域相位信息和纹理信息在表征图像特征方面的重要性之后,提出了一种结合相位一致和纹理特征的SVM图像分割方法。该方法将相位一致性统计特征、纹理特征和灰度特征一起组合成训练特征向量,采用支持向量机分类方法对图像进行分割。相对于传统方法,该方法提取的统计特征向量可以有效地反映图像边缘细节和纹理信息。实验结果表明,该方法比传统的SVM图像分割方法更有效,尤其适用于图像中目标区域的边缘对比度低和纹理信息丰富的情形。     

基于Contourlet变换的纹理特征提取及纹理分类

通过对传统小波多方向性缺失和Contourlet变换系数稀疏性的分析,提出运用方向性小波Contourlet分析纹理特征,以自组特征映射神经网络(SOM)处理Contourlet变换系数的重组序列.对SOM网络输出层codebook矩阵进行奇异值分解得到纹理图像特征向量的方法进行纹理分类,在充分利用图像各尺度方向信息的基础上,有效提取了图像纹理特征.实验结果表明,该方法分类效果显著,Contourlet变换比传统小波分解更适合于图像纹理特性的分析.