基于多特征组合的彩色遥感图像分类研究

为了解决利用单一特征对彩色遥感图像进行分类效果不理想、普适性不强等问题,提出了一种基于颜色和纹理特征组合的支持向量机彩色遥感图像分类方法。该方法尝试将彩色遥感图像的颜色信息和纹理信息相结合作为支持向量机算法分类的特征向量,据此对遥感影像进行分类,并进行了实验验证。结果表明,颜色和纹理特征组合的支持向量机分类方法能够取得较高的分类精度,其分类效果优于传统的单一颜色或纹理特征分类,是一种有效的彩色遥感图像分类方法。     

一种大尺寸遥感图像基于内容检索的纹理特征提取算法

大尺寸图像按照区域类别分块,用灰度共生矩阵法对各子块提取出纹理特征,并利用类似Hu的不变矩的方法对各子块纹理信息进行统计,从而提取出与大图像中各纹理的空间位置相关的一组纹理特征值。该方法对传统的共生矩阵法进行了改进,使其适用于大尺寸图像多区域类别的纹理特征提取,可用于大尺寸遥感图像的基于内容的检索和初分类研究。     

基于颜色纹理特征的SVD图像检索方法

网络等媒体中包含的图片越来越丰富,从众多的图像中查找到自己感兴趣的内容是图像处理一个重要目标.图像的颜色和纹理能从视觉上表现图像特征,因此提出了图像颜色和纹理特征融合,并用奇异值分解方法降低特征向量维度的图像检索方法.首先,提取图像LTrP(Local Tetra Patterns)纹理特征向量和HSV颜色特征向量;对图像分块,用奇异值分解方法降低图像块特征向量维度和噪声,连接图像块向量得到图像的特征向量;用欧式距离对图像进行相似性检测.实验结果表明,该方法平均检索精度明显高于其他同类检索方法.     

基于SVM混合核的遥感图像变化检测

针对由实际遥感地物类型难以确定导致的多光谱遥感影像变化检测精度较低的问题,提出一种基于SVM混合核的遥感图像变化检测。首先利用CVA算法构造差异影像,其次利用灰度共生矩阵提取差异影像的纹理特征与差异影像的灰度特征组成特征向量,接着利用差异影像的直方图选择置信度高的训练样本,并利用构造的SVM混合核进行训练得到分类超平面,最后利用SVM混合核函数对差异影像进行二分类得到最后的变化检测结果。实际遥感数据验证结果表明,所构造的SVM混合核函数用于多光谱遥感影像变化检测中是可行、有效的。     

一种基于Wedgelet变换的遥感图像分类算法

介绍了一种基于Wedgelel(楔波)变换的遥感图像分类算法.该算法将多尺度Wedgelet变换应用于遥感图像区域分割,在此基础上提取各分割区域的Gabor纹理特征实现对遥感图像的分类.为了检验该算法的可行性,将其应用于向海和查干湖遥感图像,并与灰度共生矩阵、高斯马尔科夫随机场等纹理分类算法进行了比较.结果表明,该算法要优于灰度共生矩阵及高斯马尔科夫随机场分类算法,能够得到较高的分类精度和Kappa系数.     

基于灰度共生矩阵的多尺度分块压缩感知算法

针对图像边缘与轮廓不能精确重构的问题,提出了一种基于灰度共生矩阵的多尺度分块压缩感知算法。该算法利用三级离散小波变换将图像分解为高频部分和低频部分。通过灰度共生矩阵的熵分析高频部分图像块的纹理复杂度,并根据图像块纹理进行再分块、自适应分配采样率。采用平滑投影Landweber算法重构图像,消除分块引起的块效应。对多种图像进行压缩重构仿真,实验结果表明,无观测噪声情况、采样率为0.1时,本算法在Mandrill图像上得到的峰值信噪比(PSNR)为25.37dB,比现有非均匀分块算法提高了2.51dB。不同噪声水平下,本算法的PSNR比无噪时仅下降了0.41~2.05dB。对于纹理复杂度较高的图像,本算法的重构效果明显优于非均匀分块算法,对噪声具有较好的鲁棒性。     

基于对数能量熵与LBP特征提取的人脸识别

传统LBP模式在提取图像的纹理特征时,没有对图像中的不同子块加以区分。一般情况下图像的不同子块包含的纹理信息不尽相同,不能真实地反映图像纹理的变化情况。为了解决传统LBP算法在人脸识别过程中产生的直方图维数过长、鉴别力不高、对噪声反应敏感等问题,提出一种基于对数能量熵与LBP特征提取的人脸识别方法。首先将一副人脸图像分成互不重叠的大小相等的子块,然后计算每个子块的LBP直方图,同时对每个子块计算对数能量熵值;其次把每个子块的LBP直方图特征与对数能量熵值组合成一个新的特征向量;最后,将每个图像块的特征向量连接成一个全局的特征向量,将该特征向量用作分类识别。基于YALE人脸库,ORL人脸库和FERET人脸库的实验结果与数据分析表明,文中提出的算法能够更加准确地提取图像的特征信息,有效地提高了人脸识别率。     

结合金字塔和局部二值模式的遥感图像分类

在住宅区遥感图像分类中,为了克服尺度变化和旋转变化带来的影响,提出一种结合金字塔原理和局部二值模式的图像分类算法。首先对原始住宅区遥感图像进行多次下采样以构建不同尺度的空间金字塔;然后利用局部二值模式提取不同尺度遥感图像的纹理特征,以消除旋转变化的影响;最后将不同尺度下的纹理特征融合到一起,利用支持向量机对住宅区遥感图像进行分类。在标准图像数据集上的实验结果表明,低尺度纹理特征将会降低住宅区遥感图像的分类精度,与单尺度纹理特征相比,多尺度融合的纹理特征提高了遥感图像分类精度,平均高达4.77%。     

基于Gabor变换与克隆选择的遥感图像分类算法

提出了一种Gabor变换与克隆选择算法相结合的遥感图像分类算法。该算法首先对遥感图像进行离散Gabor变换,以Gabor变换系数模的平均值作为该图像的纹理特征,然后利用克隆选择算法对纹理特征进行优化,得到最优纹理特征。实验结果表明,该算法要优于传统的Gabor变换分类算法,分类精度和kappa系数都有较大提高。     

基于LBP和深度学习的手写签名识别算法

为优化手写签名识别算法性能,提出了一种局部二值模式(LBP)和深度学习相结合的手写签名识别算法.针对签名图像进行预处理、维纳滤波去除噪声;将预处理签名图像分为3×4子块,LBP应用于分块后的每个子图像,并将每个子块的纹理直方图特征连接起来,形成全局直方图特征;将得到的特征向量作为深度信念网络(DBN)的输入,逐层训练网络,并在顶层形成分类面,对签名图片进行识别.基于GPDS、MCYT及原创数据库进行实验,识别率误差分别为5.S5％、9.3％、1.17％,有效提高了手写签名的识别精度,符合实际应用的要求.     

基于纹理指纹的恶意代码变种检测方法研究

提出一种基于纹理指纹的恶意代码特征提取及检测方法,通过结合图像分析技术与恶意代码变种检测技术,将恶意代码映射为无压缩灰阶图片,基于纹理分割算法对图片进行分块,使用灰阶共生矩阵算法提取各个分块的纹理特征,并将这些纹理特征作为恶意代码的纹理指纹;然后,根据样本的纹理指纹,建立纹理指纹索引结构;检测阶段通过恶意代码纹理指纹块生成策略,采用加权综合多分段纹理指纹相似性匹配方法检测恶意代码变种和未知恶意代码;在此基础上,实现恶意代码的纹理指纹提取及检测原型系统。通过对6种恶意代码样本数据集的分析和检测,完成了对该系统的实验验证。实验结果表明,基于上述方法提取的特征具有检测速度快、精度高等特点,并且对恶意代码变种具有较好的识别能力。     

采用新型纹理特征的2DLDA人脸识别算法

针对现有基于纹理特征的人脸识别算法中纹理特征维数偏大且对噪声较敏感等不足,提出了用于描述人脸图像大尺度局部特征的中心四点二元模式（Center Quad Binary Pattern, C-QBP）和用于描述图像小尺度局部特征的简化四点二元模式（Simplified Quad Binary Pattern, S-QBP）两种互补的新型纹理特征。在此基础上,实现基于新型纹理特征的2DLDA人脸识别算法。首先对人脸图像进行多级分割,再对所产生的图像块提取C-QBP和S-QBP纹理特征,构建纹理特征矩阵。最后,采用2DLDA子空间学习算法实现基于新型纹理特征的人脸识别。实验结果表明,本文所提出的人脸识别算法的识别率明显高于其他基于纹理特征和子空间学习的人脸识别算法。当每一类训练样本数统一设置为5,特征维数为48×4时,在ORL人脸库上,本文所提出的人脸识别算法的识别率达98.68%;在YALE人脸库上,特征维数为48×36时,识别率达99.42%;在FERET人脸库上,特征维数为48×26时,识别率为91.73%。      

灰度共生矩阵纹理特征选块的可逆图像水印

针对当前灰度共生矩阵(GLCM)的4个主要特 征参数与图像子块纹理复杂度之间没有准确的数学关系和隐蔽 图像遮蔽性上不足的问题,提出一种GLCM纹理特征选块的可逆图像水印。首先把原宿主 图像分成 128×128大小的子块;然后利用均方误差(MSE)给 4个纹理特征参数赋予权值,建立特征参数与图像子块复杂度 的数学关系;最后计算得出各个子块的复杂度,选择复杂度最大和次大的子块,采用基于预 测误差对扩展 的可逆算法进行数据隐藏。提出的特征参数与纹理复杂度之间的数学关系,能够准确计算图 像子块复杂度, 嵌入水印后的自然图像和医学图像平均峰值信噪比(PSNR)值较 现有方法分别高出2.65%和0.93%左右。本文算 法能准 确反映子块内部的纹理复杂度并具有更好的隐蔽性,适用于医学、军事和卫星等领域。     

基于方块编码的图像纹理特征提取及检索算法

针对灰度共生矩阵（GLCM）在提取纹理特征时存在的问题，提出一种基于方块编码（BTC）的图像纹理特征的检索算法。首先将图像分成互不重叠的子图像块，然后利用BTC的思想对这些图像块进行编码，进而定义图像的纹理基元并以此作为对图像的纹理描述，并提出采用一种改进的基于纹理基元的共生矩阵来获取纹理特征。实验结果表明，该方法既有效地利用了图像的纹理信息，又考虑了图像的空间和形状信息，具有较好的检索效果。     

一种基于Contourlet变换和视觉感知特性的图像分割方法

纹理图像的分割通常是通过分离块或移动块进行的,即以块的特征作为块或块中心像素的特征来进行,纹理边界和图像边界像素的误分率高.提出一种新的基于视觉感知特性邻域结构的纹理图像分割方法.该方法分为两步:首先用移动块产生中心像素的特征属性值;然后每个像素建立9个特殊邻域结构窗口,通过邻域结构中属性特征的一致性来确定像素的特征属性值.用此方法对30种纹理图像进行了分割实验,取得了满意的结果.     

结合图像信息熵和特征点的图像配准方法

在分析当前主要的图像配准技术之后，针对图像特征点的分布和同名点的匹配问题，提出了结合图像信息熵和特征点的图像配准方法。首先对图像进行一定程度的分块，根据信息论的方法，计算每一块的信息熵，信息熵的大小基本反映了各个模块的纹理变换情况。然后根据各个模块的信息熵大小，进行图像的粗匹配。之后在各个模块提取出一定数目的特征点，信息熵大，纹理信息丰富，选取的特征点就相应较多，反之则纹理信息变化不大，选取的特征点数目较少。最后根据这些具有代表性的同名点进行精确匹配。为验证该方法的有效性，对两幅图像进行传统方法和改进的图像配准方法的比较。     

一种基于小波纹理特征的目标检测方法

给出了一种利用小波分块分解和灰度共生矩阵特征来提取目标的方法。首先对图像进行分块小波变换，然后求分块灰度共生矩阵并且计算小波共生矩阵特征向量，选取纹理特征最大的作为种子区域；最后利用均值聚类的方法进行目标标记。实验结果证明，能够检测红外和可见光图像中各种类型的目标。     

复杂彩色图像中的文本定位

针对复杂彩色图像中文本的特征,提出了利用一组级联弱分类器甄别文本区域的算法。首先根据文本块的边缘特征遴选出备选图像块,而后将其送入设计好的级联弱分类器,依次利用文本块特征、颜色信息、区域特征和字符笔画特征准则判断备选图像块是否包含文本。采用专用的文本定位比赛用图进行实验的结果表明,该方法运算简单,定位时间短,定位准确率可达到94.1%,召回率为85.9%。     

基于双树复数小波变换的掌纹特征提取

根据掌纹纹理的多分辨率、多方向特性,提出了一种基于双树复数小波变换的掌纹特征提取方法,利用双树复数小波变换具有的近似平移不变性,多方向选择性对掌纹图像进行特征提取,全面的描述了掌纹图像的纹理特性.该方法首先对掌纹图像进行多尺度双树复数小波变换,然后将每个细节图像分块,计算每个细节图像每块各点的幅值之和,形成矢量,归一化后形成掌纹特征矢量,最后使用加权的城区距离进行匹配.在1000幅掌纹图像上进行实验,结果是该方法具有的0.093 5%的等错率,发生等错率时的正确识别率为99.908 1%,在行和列方向上的抗平移能力约为一6～+6个像素.对比实验表明本方法在提取掌纹特征和抵抗平移的能力好于基于实数小波能量特征的方法.