图像纹理特征的提取方法

纹理特征是图像分析的重要线索,纹理特征的提取方法层出不穷,本文重点介绍了几种借助纹理统计特性的提取方法,并对其算法进行了比较.这些方法包括:1、基于图像灰度直方图的特征提取;2、基于图像灰度差值直方图的特征提取;3、基于图像灰度共生矩阵的特征提取.     

基于Curvelet和小波变换的纹理图像识别

提出了一种基于Curvelet变换与小波变换相结合的纹理图像分类算法.小波变换在分析点奇异信号时具有良好的性能,而Curvelet变换更适合分析图像中的曲线或直线状边缘特征.算法通过提取两者分解子波段的统计学和灰度共生矩阵特征,采用支持向量机对纹理图像进行分类.实验结果表明,和单一的多分辨率变换特征提取相比,该算法具有更高的分类准确率.     

基于颜色共生矩阵的纹理检索算法MCM

描述了一种基于颜色共生矩阵的纹理检索算法MCM,主要包括颜色共生矩阵纹理特征提取算法以及纹理特征的相似性度量函数,给出了利用MCM算法检索图像库的实例.通过MCM算法提取的特征除了反映图像的纹理关系外,还综合了其颜色构成特征,部分建立了与人的视觉感知之间的对应关系.实验表明,MCM算法优于一般的灰度共生矩阵纹理检索算法,并且具有较好的检索效果.     

基于底层纹理特征的图像检索

讨论了统计法中的灰度共现矩阵法和频谱法中的小波变换法来提取图像底层纹理特征,并对此进行了比较和分析,实验表明,基于小波变换的纹理特征提取方法可以有效描述图像底层纹理并取得较好检索结果。     

融合方向测度和灰度共生矩阵的纹理特征提取算法研究

为了解决提取图像纹理特征时所遇到的纹理方向抑制问题,提出一种融合方向测度和灰度共生矩阵的纹理特征提取算法。该算法通过灰度共生矩阵,提取图像的Haralick特征,其中包括对比度、相关性、能量、逆差矩等,然后利用方向测度引入权值因子,并将其与所提取的Haralick特征相融合,最后对融合后的各个分量进行高斯归一化处理,获取最终的纹理特征集。实验结果表明,与采用灰度共生矩阵方法相比,该算法可以有效的避免图像纹理方向的抑制,所提取的纹理特征具有更强的图像识别能力,对Brodatz标准纹理库分类的正确率也有一定的提高。     

基于多尺度及多方向分析的纹理图像检索算法

提出一种基于多尺度及多方向分析的纹理图像检索算法.针对纹理图像的特点,从不同尺度和方向比较了实数离散小波变换和双树复小波变换的性能.充分利用双树复小波变换的旋转不变性、良好的方向选择性以及有限的冗余等优点,将其有效地应用于纹理特征提取过程中.通过提取各子带上的能量和标准差作为特征矢量.采用Camberra距离作为相似度量进行检索,减小了计算量,取得了良好的检索效果.实验结果表明,双树复小波提取纹理特征所获得的检索性能优于实数离散小波检索算法,也优于经典的灰度共生矩阵算法,且算法具有良好的旋转不变性.     

基于SVM的图像分类研究

支持向量机(SVM)是一种优秀的分类方法,灰度共生矩阵(GLCM)是一种很好的纹理分析方法;本文研究了图像的颜色、纹理等特征对利用支持向量机进行图像分类的影响,提出了一种使用灰度共生矩阵进行综合特征提取的SVM图像分类方法.实验结果表明SVM方法的可行性和有效性,并得出图像综合特征的提取有利于分类效果的提高.     

基于颜色纹理和形状特征相结合的图像检索系统

灰度共生矩阵是一种有效的纹理图像分析方法,为了更有效地进行图像检索,定义了一种新型的灰度共生矩阵描述子,该矩阵描述子能够有效结合颜色、纹理和形状特征,通过描述像素的空间相关性来进行基于内容的图像检索. 利用该矩阵描述子进行图像检索时,先在RGB颜色空间中计算彩色梯度,然后利用灰度共生矩阵来描述图像特征. 实验结果表明其检索性能优于传统的普通灰度共生矩阵.     

基于GLCM和小波特征的SAR海冰分类

为了减少相干斑噪声对合成孔径雷达(SAR)海冰分类结果的影响,综合灰度共生矩阵(GLCM)和小波特征,提出了融合空间域和频域的纹理特征的SAR海冰分类方法,利用航天飞机成像雷达3号(SIR-C)探测数据,开展了SAR海冰分类研究。结果表明,该分类方法能在保留图像边缘细节信息的基础上,提取小波特征,减少噪声影响,解决了灰度共生矩阵方法无法克服的斑点状分类不准确问题,提高了分类精度。     

人工神经网络和图像纹理特征提取在肿瘤鉴别诊断中的应用

为了探讨人工神经网络和图像纹理特征提取在肿瘤鉴别诊断中的应用;采用了收集病例资料并对其进行处理,以及提取相关医学图像纹理特征指标的方法;根据整理的病人相关临床检查指标、CT图像有特征性的指标、利用灰度共生矩阵提取的肿瘤CT图像纹理特征指标,得出了建立应用于肿瘤鉴别诊断的人工神经网络模型的结果;进一步得出结论:人工神经网络和图像纹理特征提取可以应用于肿瘤的鉴别诊断.     

一种小波域分形图像编码算法的研究

针对经典分形压缩算法中编码时间过长的问题,研究了小波变换在分形图像编码中的应用.根据图像经小波变换后能量主要集中在低频系数图像上,并且和同方向高频小波子带之间具有相似性的特点,而分形编码正是利用图像的自相似性,提出了一种小波域分形图像编码算法,仿真结果表明,该算法在保证重构图像质量的前提下,大幅度减少了编码时间,提高了压缩比.     

基于脊波变换的手指静脉图像增强研究(英文)

针对人体手指静脉图像的结构和特点,提出一种基于脊波变换的图像增强算法。该算法对手指静脉图像小波域各高频子带系数进行脊波变换,利用非线性新脊域系数确定法对脊域系数进行处理,然后对各高频子带进行脊波逆变换和小波图像重构。该算法对手指静脉二维曲线奇异处理、边缘增强等具有较好的效果,克服了小波变换在高维曲线奇异和方向选择上的不足。通过与传统的二维离散小波变换边缘增强法和自适应调整系数的脊波变换方法作比较,实验结果表明本算法具有更好的手指静脉图像效果。     

一种基于小波变换的自恢复水印算法

文章提出一种小波域的自恢复水印算法,利用零树结构对宿主图像进行压缩编码,对压缩编码后的数据进行置乱得到自恢复水印去替换小波域的高频部分,认证水印对小波域的低频部分进行均值量化实现嵌入。通过实验仿真证明,该算法能恢复出被篡改位置的真实图像内容。     

基于分水岭和广义非局部平均的小波去噪

非局部平均滤波去噪方法和基于广义非局部平均的小波域去噪方法都会在不同程度上损失图像细节信息.为了在去除图像噪声的同时更好地保留图像细节,文中提出了一种基于分水岭分割和广义非局部平均的小波去噪方法.首先对含有噪声的图像进行基于梯度的分水岭分割并保留分水岭脊线;然后对含有噪声的图像进行多维度小波分解,对分解的每一层系数估计尺度系数和形状系数,构造每层小波子系数的广义高斯模型,对每层细节子带信息分别在水平、垂直、对角线3个方向应用基于广义高斯模型的非局部平均滤波;最后用含噪图像中与分水岭脊线相对应的像素点替换小波重构后图像的对应像素点.仿真结果表明,该方法与基于广义非局部平局的小波分析去噪法相比能获得更好的视觉效果和去噪效果.     

基于混沌遗传算法与小波多分辨率分析的岩心图像匹配

针对岩心图像尺寸大,特征信息不明显的特点,充分利用混沌遗传算法的随机性大大减少了传统搜索算法消耗的大量运算时间。利用小波多分辨率分析的方法在小波变换子图像上进行粗匹配,再在原始图像上精匹配,浓缩了岩心图象的特征信息在保证匹配准确度的同时提升了运算速度。将混沌遗传算法与小波变换多分辨率分析相结合,将其应用于大幅岩心图像的配准。实验表明,该方法能够快速而有效地进行图像配准,兼顾了匹配效果和匹配速度。     

一种基于图像熵及分形维矢量的图像检索技术

在基于内容的图像检索系统中,图像的抽象描述和特征提取是要解决的关键问题之一.提出了一种利用低维数据有效表示图像特征的基于图像熵及位面图序列分形维矢量的图像检索方法,实现了快速有效的图像检索.     

一种基于小波树结构的彩色水印嵌入算法

提出了一种基于小渡树的彩色水印嵌入算法.该算法对图像的R,G,B分量分别进行小波变换,通过小波树的各层系数和它们之同的关系,对各低频子带进行分类,并根据人眼的视觉特性,对不同的区域采用不同的嵌入强度,使嵌入的不可见性和鲁棒性得到很好的效果,在提取时不需要原始图像,是一种盲水印算法.实验表明,该算法简单高效,可嵌入信息容量大,不可见性好.对一般的图像处理和攻击如:JPEG压缩,加噪声,剪切,滤波等具有很好的鲁棒性.     

基于拉普拉斯模型的双树复小波域图像降噪

分析了图像复小波变换的特点,根据复小波系数服从拉普拉斯分布的特性,采用最大后验概率估计,推导出一种复小波域的软阀值去噪方法。在实验中,分别与图像小波域、复小波域的高斯概率分布模型的去噪方法进行对比分析。结果表明,文中的去噪方法,在去除噪声的同时更好地保留图像的细节信息,且峰值信噪比有所提高,取得很好的降噪性能。     

基于贝叶斯估计的平稳小波去噪

提出了一种基础平稳小波变换的图像自适应去噪方法.以Laplace分布作为图像平稳小波系数的分布模型,利用贝叶斯最大后验估计原始图像的小波系数达到去噪的目的.实验结果表明,用该方法去噪能得到较高的峰值信噪比和较好的视觉效果.     

基于Mahalanobis距离与BP网络的图像小波标定识别技术

针对计算机芯片检测,提出了基于Mahalanobis距离与BP人工神经网络的小波图像识别技术．在对Ic芯片图像进行二维小波分析后,通过Mahalanobis距离在图像的低频小波系数矩阵上进行目标图元的区域搜索与位置标定,而后根据待定目标图元像素分布特征建立特征参数向量,建立BP网络对目标图元进行模式识别．实验证明此方法能够有效地对IC图像进行目标图元的位置标定与模式识别,获得准确的IC标定识别结果．