多光谱卫星云图的SOFM-PNN网络耦合的云分类模型

针对单一类型的神经网络分类器难以正确区分和有效识别复杂云类特征的缺陷,本文基于静止气象卫星云图多光谱云类样本,通过计算、分析云图灰度、梯度与纹理特征,提取了云分类最佳判别因子,建立了自组织网络（SOFM）与概率神经网络（PNN）的综合云分类器优化模型．该分类器首先利用自组织网络对云类样本进行无监督初始分类,确定出相似样本子集;随后用概率神经网络对初始分类误差进行有监督修正和分类结果的二次优化判别．试验结果表明,该分类器可有效提高云类判别效果,分类结果的总正确率达到92．4％,Kappa系数为90．82,明显优于单一的统计分类器判别效果．     

基于Fisher准则的分类器在皮革正反面分类中的应用

制鞋业中的皮革表面缺陷查找和排样主要靠手工完成，因此效率低下．基于图像处理技术的自动化缺陷查找及排样，可以较大地提高生产效率．皮革的缺陷查找和排样，主要在皮革的正面进行，因此皮革正反面的自动判别是后续处理的关键．因为皮革具有典型的纹理特征，纹理图像其特殊的像素空间分布方式有别于普通的灰度图像，因此常用的灰度图像分类特征对纹理图像的分类不适用．而基于灰度共生矩阵提取纹理图像的统计量组成的特征向量，并在Fisher判别准则的基础上设计一种线性分类器来对皮革纹理图像进行分类．实验结果证实，该分类器可有效地对皮革的正反面进行分类。     

基于纹理特征融合的煤矸石分选技术研究

提出了一种新的基于纹理特征融合的煤矸石分选方法.设计了一种纹理特征提取算法.选取多个纹理特征作为分类器的输入特征,并对选择出的分类特征进行融合,最后采用神经网络分类器实现煤矸石的分选.实验结果表明,本文所提出的分选方法达到了较高的识别正确率,且能够满足实时要求.     

一种基于Gabor滤波器组和LBP的多特征联合SAR纹理图像分类方法

实现能够使先进飞行器根据获取的图像自动识别不同的地貌景物,是一种具有实际应用前景的技术需求.提出了联合Gabor滤波器组和局部二值模式来对SAR纹理图像进行分类的新方法SARICIT (SAR Image Classification using Inquiry Table).首先对第一套带类标的训练图像集提取两种特征,分别使用的基于非监督和监督模式相融合的混合神经网络分类器进行训练,然后使用第二套带类标的训练图像集制作二维分类信息查询表,记录两种分类器对每一幅图像的判断结果.在实际进行分类阶段,对新图像提取Gabor和LBP两种纹理特征,输入训练好的分类器.根据两种分类器给出的类型响应,结合查询表,使用一种投票的机制来确定待分类的图像的纹理属性.通过对真实SAR图像的实验结果表明,与流行的单独使用一种纹理特征进行分类相比,新方法能够对SAR图像纹理做到更准确的分类,对雷达图像更具有适用性.     

窗口条件对共生纹理在磨玻璃影自动识别中的影响

以肺部高分辨率CT(HRCT)为研究对象,探讨了常用的宽窄两种肺部CT窗口对共生纹理参数在磨玻璃影(GGO)自动识别中的影响.通过改变共生矩阵生成参数和窗口设置形成不同的初始特征集,用逐步判别法分别从中选出判别能力较强的若干特征,再由这些特征变量设计线性分类器,并用回代法和刀切法评估各分类器的性能.经比较发现,如果初始特征集只包含常用的6种共生纹理特征时,在窄窗条件下设计出的分类器对GGO的识别效果要优于宽窗条件下的;如果增加初始特征集维数,使其包含所有14个共生纹理参数时,窗口条件对分类器性能的影响可以忽略.     

数字图象游程累加统计纹理分析法

提出了灰度游程长度累加矩阵模型,并用此模型对遥感图象的纹理进行分析和鉴别.使用本模型的七个纹理参数作特征,在六类地物类型210个样本上作实验,由此设计的分类器的识别率为98.6%.     

基于LTCP特征的计算机生成图像鉴别算法

针对目前计算机生成图像鉴别算法在对图像纹理特征进行鉴别时精度较差的问题, 提出一种基于长期控制计划(LTCP)特征的计算机生成图像鉴别算法. 首先将彩色图像变换到颜色模型中, 对图像进行下采样, 获得较高尺度的纹理信息; 然后采用基于LTCP特征和共生矩阵的计算机生成图像盲鉴别算法, 对不同尺度的纹理图像LTCP特征及相邻像素一致性共生矩阵特征进行采集; 最后通过判别分类器对LTCP特征及相邻像素一致性共生矩阵特征实施分类预测, 根据分类预测结果实现计算机生成图像的鉴别. 实验结果证明, 该算法在计算机上生成的图像特征维度较低, 鉴别率和精度较高, 能实现计算机生成图像的准确鉴别.     

稀疏纹理分类的研究

文章研究了视点和光照条件均未知的纹理图像分类,在滤波器输出的联合概率分布基础上,运用贝叶斯分类器和改进分类器进行分类,讨论了纹理的特征提取和用于纹理分类的方法.实验证明,本文算法可以较准确地进行纹理特征提取和分类,使得纹理分类工作变得有较强的实用性.     

基于分形维数和SVM的新疆民间艺术图案分类

针对已有分类器存在的缺陷, 提出一种以分类错误率为标准选择组合特征的分类方法, 提高分类器的分类精度. 先提取图像的4种分形维数作为纹理特征, 再通过组合不同分形维数特征应用于支持向量机(SVM)进入样本训练阶段. 将分类错误率最低的特征组合作为分类器的特征向量, 应用于测试阶段的分类, 提高分类器的分类精度. 实验结果表明, 该方法具有较好的推广性, 为图像特征组合提取提供了新途径.     

基于纹理分析的笔迹识别系统

把手写笔迹作为一种纹理来看待，利用图象纹理处理技术和数学方法对笔迹的纹理信息进行鉴别，将笔迹识别问题转化为纹理识别．使用19个人的不同笔迹进行实验，采用游程长度分析法来提取这些笔迹的纹理特征，用欧氏距离分类器完成识别工作．取得了较好的效果．     

基于综合特征的Bp_adaboost工业仪表图像分类方法

针对工业场景图像背景复杂,受多种因素影响、利用单个特征完成工业仪表图像分类不能达到满意效果的问题,提出了一种综合利用图像的颜色和纹理特征,通过Bp_adaboost的方法对工业仪表图像进行分类的方法。首先基于HSV空间进行低阶颜色矩特征提取;然后基于灰度共生矩阵进行纹理特征提取;最后用17维综合特征向量对工业仪表图像进行Bp_adaboost分类学习和测试。实验结果表明,该方法对液位控制系统工业仪表与液位容器设备图像能取得较好的分类结果。     

基于无人机多光谱影像的水稻风灾倒伏面积估算

风灾作为水稻气象灾害之一,严重影响着水稻的生长、产量以及品质。遥感技术作为倒伏作物监测的新途径,给作物受灾面积统计的实时、动态、宏观监测带来新思路,一定程度上弥补了传统方法的不足。以黑龙江省五常市典型水稻倒伏地块获取小型无人机多光谱数据,并基于此数据选取光谱特征、纹理特征、植被指数三个指标对比水稻倒伏前后的差异,接着以水稻倒伏前后的光谱特征、纹理特征结合最大似然法分类,植被指数差异选择最大阈值进行分类,最后对倒伏水稻的提取精度进行评价与分析。研究发现：（1）植被指数特征相对差异值最小（7%）,不适用于准确区分正常和倒伏水稻;光谱特征的相对差异值居中（18%）;纹理特征相对差异值最大（28%）,最适于区分正常和倒伏水稻。（2）从提取的水稻面积结果显示可知,基于均值纹理的分类方法的精度最高（94%）;基于光谱特征分类方法的精度居中（72%）,介于两者（植被指数和均值纹理特征）之间;基于植被指数最优阈值分类方法的精度最低（66%）。该结果可为制定灾后生产管理、防控措施、评估产量损失具有重要参考依据;为动态监测水稻倒伏面积具有重要的借鉴意义。     

基于结构谱的中厚板表面缺陷识别方法

为克服传统纹理分析的缺陷识别结果易受光照变化和氧化铁皮不利影响的缺点,提出了结构谱纹理分析方法,并将其应用于中厚板表面麻点、夹杂、结疤等缺陷的识别.实验结果表明,结构谱方法具有较好的光照不变性,对麻点、夹杂、结疤等缺陷的识别率要高于灰度共生矩阵、Laws纹理能量、傅里叶功率谱等其他纹理分析方法.     

基于多特征融合的反向传播神经网络高分影像分类与变化检测

为了降低基于高分影像的土地利用分类后的错分和漏分的可能性,提高分类以及变化检测精度,本文以广西桂林市临桂区为研究区,采用WorldView-2号以及高景一号高分影像,基于多层前馈(back propagation, BP)神经网络方法融合遥感影像的纹理、光谱、植被指数以及水体指数特征,制定出4种特征数据集融合方案,实现对植被覆盖率较大地区的地物识别与分类;然后选取最优分类结果,进行桂林市临桂区2017与2020年土地利用变化检测。不同方案的对比结果表明,融合纹理、光谱、植被指数以及水体指数特征的第四种方案可以得到较为有效的分类以及变化检测结果,分类的总体精度为92.92%,Kappa系数为0.9028,保持了较高正确率。     

基于多特征的高光谱遥感土地利用信息提取

【目的】为了降低高光谱遥感数据噪声,提高土地利用分类信息提取精度,探索结合纹理和空间信息的分类方法。【方法】以河南镇平县Hyperion高光谱成像光谱仪获取的高光谱影像为数据源,借鉴决策树分类思想,采用了一种结合光谱、纹理和空间信息的高光谱遥感多特征地类提取方法,先通过提取光谱特征初步提取地类,再分别采用提取纹理特征和基于空间信息的植被提取进行详细地类信息的分层提取,最后,用地面实测样点验证各类土地利用类型的分类精度,比较了用不同方法对不同地类的提取效果。【结果】基于多特征的地类分层提取体系中,采用各波段光谱反射率区分大的地类,再用纹理特征进行光谱差异较小的地类划分,而基于空间信息进行植被的分类。通过结合纹理和空间信息提取方法的总分类精度达86.7%,较最大似然法分类精度提高13.3%。【结论】高光谱与纹理和空间信息相结合的遥感分类方法能有效减小噪声,提高分类精度,可为土地利用分类提取研究提供一定的参考。     

雷达辐射源信号双谱二次特征提取方法

现有的双谱特征提取方法可以满足信号分类识别，但是出现了交叉项、平凡双谱以及特征维数过高等一些问题。针对以上问题，提出一种双谱二次特征提取方法，将双谱转化为灰度图像，以灰度值表示双谱幅度；再利用图像处理技术提取双谱二次特征，提取出能够表征辐射源信号双谱图像纹理信息的灰度共生矩阵特征集；将该特征集与Hu-不变矩特征集进行对比实验。仿真结果表明：该方法具有更好的分类识别性能，对于CW、LFM和NLFM信号的平均识别率均达90%以上。     

基于纹理特征的微山湖湿地信息提取研究

研究基于Landsat7 Enhanced Thematic Mapper Plus(ETM+)影像,利用典型地物的光谱特征及灰度共生矩阵的纹理特征建立分类模型,提取了微山湖地区的泥滩信息,并采用随机采样法对分类结果进行了评价,Kappa系数达到0.822 7.研究表明,单一使用光谱特征分类的方法不能够有效的区分水体与泥滩信息,而辅以纹理特征后的分类方法可以将二者区分开,并且能够达到一定的分类精度,为湿地遥感信息的分类提供了一种方法.     

基于经验与灰度共生矩阵的花蛤辨识方法

为提高花蛤挑拣的效率，加快水产产业自动化生产步伐，提出一种基于经验和灰度共生矩阵的花蛤筛选方法。本方法属于无接触式辨识，在对工业相机采集到的图像进行预处理的基础上，截取并旋转单个目标图像，规范图像性质，采用统计学和灰度共生矩阵方法，提取花蛤或石头的纹理和形状等相关特征，运用支持向量机进行分类训练和测试。实验结果表明，本文所提出的方法可实现位置精准确定，选取的特征能较好地表示花蛤或石头，分类器算法高效简单，最终花蛤筛选识别率可达99%，可满足工业需求。     

基于灰度共生矩阵的新疆地方性肝包虫CT图像特征提取方法

 特征提取是图像理解与分析的关键。为提取表征新疆地方性肝包虫病的CT影像特征,提出一种基于灰度共生矩阵对肝脏和包虫病灶进行特征提取的方法。首先,对肝脏CT切片图像进行归一化,利用中值滤波和直方图均衡化对肝脏及病灶区同时进行去噪和增强,从而得到更清晰的灰度图像;然后进行灰度级压缩,利用基于灰度共生矩阵的纹理特征提取方法分别提取新疆地方性单囊型、多囊型肝包虫和正常肝脏CT图像的角二阶矩、熵、惯性矩、逆差分矩及相关性的均值和标准差作为纹理特征。统计分析发现,单囊型和多囊型肝包虫CT图像在角二阶矩、熵和逆差分矩等方面存在显著差异,具有统计学意义。最后,采用Bayes判别分类,分类正确率达到93.33%。结果表明,研究采用的纹理提取方法对描述肝包虫CT图像特征具有较理想的效果,一定程度上有助于对肝包虫CT图像进行分类和检索。     

融合物候及纹理特征的茉莉花种植区提取研究

为充分挖掘图像时序物候信息、几何空间、纹理特征在农作物监测提取研究上的优势，本研究通过构建物候参数与纹理特征的方法对广西横州市茉莉花（Jasminum sambac）种植区进行提取，该方法通过增强型时空自适应反射率融合模型（ESTARFM）融合年度内“高空间-低时间”“高时间-低空间”的遥感图像，重建生成年度中低尺度的卫星影像，获取研究区内不同植被的物候信息参数，并结合地物光谱信息提取地物纹理特征。选取物候参数、纹理特征作为茉莉花种植区分类提取信息，对不同的参数特征进行组合，开展分类对比和综合精度量化评价。结果表明，重建时序归一化植被指数（NDVI）数据结合物候参数及纹理特征的茉莉花种植区提取方法，总体分类精度达到88.36%，Kappa系数为0.863 3，在中低尺度多光谱影像遥感数据“时空信息”的缺失下对茉莉花种植区提取具有良好的效果。