基于空间结构统计建模的图像分类方法

提出一种基于图像空间结构统计建模的复杂纹理图像模式识别方法。从理论上分析了复杂纹理图像空间结构的韦伯分布过程,通过构造多尺度全向高斯导数滤波器,获得复杂纹理图像在不同观测尺度上的全方向空间结构统计建模表征结果。基于偏最小二乘-判决分析原理构建分类器,实现了复杂纹理图像的分类识别。实验结果表明,所提出的图像空间结构统计建模方法能获得复杂纹理图像关键性的视觉感知特性,基于该方法的图像分类准确率高且性能稳定。     

组合颜色、空间和纹理特征的图像检索

提出了一种组合颜色、空间信息和纹理特征的图像检索方法 .用颜色块直方图来表达图像的颜色特征 ;通过提取主颜色块的面积比、质心、分布方差等特征得到图像的空间特征 ;利用 Gabor滤波器组提取图像的纹理特征 .实验结果表明 ,基于组合特征的图像检索方法要优于单纯的基于颜色、空间或纹理特征的方法     

基于自适应纹理特征融合的纹理图像分类方法

现有基于深度学习的图像分类方法普遍缺少纹理特征的针对性,分类精度较低,难以同时适用于简单纹理和复杂纹理分类。提出一种基于自适应纹理特征融合的深度学习模型,能够结合类间差异性纹理特征做出分类决策。首先,根据纹理特征的最大类间差异性,构建图像的纹理特征图像;然后,采用原始图像与特征鲜明的纹理特征图像并行训练改进的双线性模型,获取双通道特征;最后,基于决策融合构建自适应分类模块,连接原图与纹理集的平均池化特征图进行通道权重提取,根据通道权重融合2个并行神经网络模型的分类向量,得到最优融合分类结果。在KTH-TIPS,KTH-TIPS-2b, UIUC和DTD 4个公共纹理数据集上对模型的分类性能进行评估,分别得到了99.98%、99.95%、99.99%和67.09%的准确率,表明所提模型具有普遍高效的识别性能。     

图模型在彩色纹理分类中的应用

纹理分析中往往将彩色图像转换为灰度图以降低计算复杂度,这样就忽略了颜色信息。而利用主成分分析 的方法来降维彩色纹理,则可以尽可能地保留颜色和纹理信息。高斯图模型(Uaussian Graphical Models, GGM)可以 很好地描述有交互作用的高维数据,因此可用来建立图像纹理模型。根据局部马尔可夫性和高斯变量的条件回归之 间的关系,可将复杂的模型选择转变为较简单的变量选择。通过惩罚正则化方法,其部域选择和参数佑计可同步进 行,然后提取纹理特征进行彩色纹理分类,实验显示其具有很好的效果。因此,结合主成分分析和高斯图模型来构建 彩色纹理模型有很好的发展前景。     

基于高斯局部二值模式的纹理特征分类方法

纹理描述在图像分析和模式分类领域具有极为重要的意义。为提高特征描述的鲁棒性,提出了一种基于高斯局部二值模式的纹理特征提取方法。首先,采用加强预处理使高斯滤波获得不同尺度的图像,从而构建多尺度的图像金字塔;其次,为提升旋转不变性和抗噪声能力,提出具有主方向特征的二值模式;最后,在不同尺度上提取3种有效的局部二值模式联合构造纹理描述,并通过直方图降维。试验结果表明,该特征具有较好的可区分性和有效性,可以有效应用到视觉图像的纹理分类中。     

多模式共生的彩色纹理图像分类方法

针对单一方法进行纹理图像分类时易受旋转、光照等干扰的情况,提出了一种结合颜色特征和纹理特征的共生纹理分类方法。将图像转换到HSV颜色空间后,对◢H◣通道使用SLIOP算法以及对◢S和V◣通道用CLBP算法提取特征,然后将各自提取到的特征进行串联共生,最后利用支持向量机对纹理图像进行分类。基于被广泛使用的纹理图像数据库,对提出方法与其他典型分类算法进行实验对比,分析表明在分类的准确率和计算效率上获得了较大提升。实验结果表明,提出了方法具有较强的旋转不变性、光照不变性以及抗噪性。     

图模型在彩色纹理分类中的应用

纹理分析中往往将彩色图像转换为灰度图以降低计算复杂度,这样就忽略了颜色信息.而利用主成分分析的方法来降维彩色纹理,则可以尽可能地保留颜色和纹理信息.高斯图模型(Gaussian Graphical Models,GGM)可以很好地描述有交互作用的高维数据,因此可用来建立图像纹理模型.根据局部马尔可夫性和高斯变量的条件回归之间的关系,可将复杂的模型选择转变为较简单的变量选择.通过惩罚正则化方法,其邻域选择和参数估计可同步进行,然后提取纹理特征进行彩色纹理分类,实验显示其具有很好的效果.因此,结合主成分分析和高斯图模型来构建彩色纹理模型有很好的发展前景.     

一种基于颜色和纹理的显著性目标检测算法

视觉显著性检测是很多计算机视觉任务的重要步骤,在图像分割、自适应压缩和识别物体方面都有很重要的应用。提出了一种基于HSV颜色、纹理特征和空间位置关系相结合的显著性检测算法。该方法先将图像分割成小的图像片以获取图像的局部信息,结合图像片颜色的独特性和空间分布的紧凑性计算得到颜色显著图;同时利用Gabor滤波器对图像进行不同尺度和方向地滤波得到纹理特征向量,然后对特征向量计算纹理差异得到纹理显著图;最后将二者结合得到最终显著图。实验结果表明,该方法在检测效果和抗噪能力等方面均可获得较为满意的结果。     

基于空间特征重标定网络的遥感图像场景分类

为充分利用遥感图像的场景信息,提高场景分类的正确率,提出一种基于空间特征重标定网络的场景分类方法。采用多尺度全向高斯导数滤波器获取遥感图像的空间特征,通过引入可分离卷积与附加动量法构建特征重标定网络,利用全连接层形成的瓶颈结构学习特征通道间的相关性,对多尺度空间特征进行权重筛选以实现特征重标定,并结合卷积神经网络训练得到最终的分类结果。实验结果表明,该方法在UCM_LandUse与机载SAR图像数据上的分类正确率分别达到94.76%和95.38%,与MNCC、MS-DCNN、PCA-CNN等算法相比,其遥感图像分类精度与泛化能力显著提升。     

树叶图像镜面反射区自动定位和消除方法

提出一种将Retinex算法和混合高斯模型(GMM)相结合用于彩色树叶图像中镜面反射区定位和消除方法。树叶图像具有丰富的边缘成分,常常干扰镜面反射区的提取。针对这一问题,基于Retinex算法将图像中亮度被抑制的区域作为初始镜面反射区提取,初始镜面反射区中主要是树叶图像中的边缘成分和镜面反射成分。基于RGB这3个颜色通道分别建立GMM,通过对3个颜色通道结果的加权组合得到最终的镜面反射区。利用GMM所确定的漫反射区的颜色均值消除镜面反射区域。实验结果表明,该方法可以有效消除镜面反射区,准确率达到88%。     

基于多尺度自适应加权的改进Canny算子

在Canny算法框架下,对彩色遥感图像进行多尺度滤波分析。定义多个不同尺度的高斯滤波器,在每个尺度下,分别对遥感图像RGB三个通道进行滤波和梯度计算,取三个通道的梯度最大值为该尺度下的遥感图像梯度值。根据各个尺度的滤波器对噪声的抑制能力及边缘定位能力的不同,自适应地确定相应的权值大小,然后再将这些不同尺度下检测到的梯度图像用自适应确定的权值进行加权合成最终的梯度图像。在此基础上,由非极大值抑制和双阈值处理得到图像边缘。实验结果表明,该算法比传统的Canny算子在噪声抑制和边缘定位方面具有更优的性能,适合彩色遥感图像的边缘检测。     

Choice of a pertinent color space for color texture characterization using parametric spectral analysis

This article presents a comparison of different color spaces including RGB, IHLS and L?a*b* for color texture characterization. This comparison is based on the fusion of the independent spatial structure and color feature cues. In IHLS and L*a*b*, two channel complex color images are created from the luminance and the chrominance values. For such images, two dimensional complex multichannel linear prediction models are used to perform parametric power spectrum estimation and the structure feature cues are computed from this estimated power spectrum. Quantitative comparison of auto spectra of luminance and combined chrominance channels for different color spaces is done. This comparison is based on the degree of decorrelation between luminance and chrominance information provided by different color space transformations. Three dimensional histograms are used as color feature cues. Then, to classify color textures, Kullback-Leibler divergence based symmetric distance measures are calculated for pure color, luminance structure and chrominance structure feature cues. Individual as well as combined effect of information from all feature cues on classification results is then compared for different color spaces and different color texture data sets. The proposed color texture classification method performs better than the state of the art methods in certain cases. The L*a*b* color space gives us a better characterization of the chrominance spatial structure as well as the overall spatial structure for all of the chosen data sets. Experimental results on pixel classification of color textures are also presented and discussed.     

Color spectral analysis for spatial structure characterization of textures in IHLS color space

In this article, a linear prediction model based approach for color texture characterization and classification in the improved hue luminance and saturation color space is presented. Pure chrominance structure information is used in addition to the normally used luminance structure information for color texture classification. Hue and saturation channels of a color image in IHLS color space are combined using a complex exponential to give a single channel which holds all the chrominance information of the image. Two dimensional complex multichannel versions of the non-symmetric half plane autoregressive model, the quarter plane autoregressive model and the Gauss Markov random field model are used to perform parametric power spectrum estimation of both luminance and the “combined chrominance” channels of the image. The accuracy and precision of these spectral estimates are proven quantitatively by performing tests on a large number of images. Spectral distance measures are calculated for the spectral information of luminance and chrominance channels individually as well as combined through a combination coefficient. Using these distance measures, color texture classification is done with k-nearest neighbor algorithm. Experimental results verify that the IHLS color space exhibits better performance than the RGB color space indicating the significance of using IHLS for such analysis. They also show that color texture characterization and percentage classification obtained by combined luminance and chrominance structure information is better than the color texture classification done using only the luminance structure information.     

基于多分辨率的厄米高斯矩的LBP纹理分类

针对LBP（局部二值模式)纹理描述子局限于在单一分辨率下捕获纹理图像的纹理信息的问题,提出一种基于多分辨率的厄米高斯矩的LBP纹理分类方法。首先结合图像纹理的多分辨率特性,采用厄米高斯矩对图像进行多分辨率重构,然后利用LBP纹理描述子对重构图像进行特征提取,最后采用K近邻特征空间距离的分类方法进行纹理分类。选取KTH-TIPS纹理数据库的纹理图像进行测试实验,实验结果表明,与传统LBP纹理分类方法相比,使用多分辨率的厄米高斯矩的LBP纹理分类方法进行纹理分类,可以更加全面地描述图像的纹理信息,使纹理分类准确率更高。     

基于纹理特征的古瓷片分类研究

通过对Gabor滤波器相关参数的分析,提出了一组具有多尺度和多方向特征的Gabor滤波器对古瓷碎片图像进行处理,获取图像的纹理特征数据。采用主分量分析方法对所获取的纹理特征向量进行降维,利用最近邻法进行分类,实现了对古瓷碎片的自动分类识别。     

基于链接突触计算网络的遥感图像对比度增强算法

针对卫星遥感图像在增强对比度和去除噪声过程中出现纹理细节丢失和图像自然性降低的问题,提出一种基于链接突触计算网络的卫星遥感图像对比度增强算法。在彩色图像转变至HSV颜色空间的前提下,通过引导滤波器去除噪声和边缘增强技术突出细节;将边缘增强的图像输入链接突触计算网络,采取与显著特征图相结合的方式增强图像亮度和对比度;在RGB空间上,利用改进的自然色彩还原技术对增强图像进行还原。实验结果表明,相对于其他对比度增强算法,该方法在多个评价指标上都有很好的性能体现,在增强图像对比度和亮度的同时,保留了丰富的纹理细节和自然色彩度。     

结合人眼亮度调制传递函数的形态学锐化算法

针对常规彩色图像锐化方法存在的局限性,提出一种空间域锐化算法,其中包括数学形态学运算,利用高斯滤波器分离图像的低频成分和高频成分,强化图像高频成分,调整图像低频成分,将两者合成为新的输出图像。由于形态学开运算和闭运算分别具有自适应极大值滤波和极小值滤波的特点,因此将开闭组合运算用于图像高频成分,自适应地突出图像局部细节,再根据人眼亮度调制传递函数模型,对图像的低频成分进行全局调整,从而进一步改善图像的整体视觉效果。结果证明,该方法在RGB彩色空间和色调/亮度/饱和度感知彩色空间内的锐化效果都好于常规锐化方法。     

基于支持向量值和方向滤波器组的图像去噪*

提出了一种基于支持向量值和非抽样方向滤波器组的图像去噪算法。该算法通过构造支持向量值方向滤波器组（SVDFB）对噪声图像进行多尺度、多方向分解,同时考虑到分解系数服从广义高斯分布的统计特征,采用局部自适应贝叶斯阈值方法实现图像去噪。仿真结果和实验分析表明,该算法的峰值信噪比和去除噪声后图像的视觉效果都有明显提高,同时有效保留了原图像的纹理和细节信息。     

一种快速有效的彩色图像边缘检测方法

在传统的灰度图像的边缘检测算子的基础上,对其进行改进。充分利用了彩色图像的颜色信息,将算法从灰度空间转换到RGB颜色空间。提出了彩色图像的高斯-拉普拉斯边缘检测算子,同时采用滤波来抑制噪声以及非极大值抑制来细化边缘,算法简单易于实现。实验结果表明,算法能有效地提取出彩色图像的边缘信息。