基于脉冲耦合神经网络与欧拉数的图像检索

在分析基于脉冲耦合神经网络时间序列的图像检索算法的基础上,提出一种新的基于脉冲耦合神经网络的图像检索方法。脉冲耦合神经网络是第三代人工神经网络,能够很好地将二维图像的特征提取成一维的矢量值,而且利用脉冲耦合神经网络提取图像特征时具有平移、旋转、尺度和扭曲不变性。新算法针对灰度图像,利用脉冲耦合神经网络模型对图像进行分解,从而生成与原图像相关的二值图像序列,然后针对二值图像序列中的每一幅二值图像,计算反映其边缘信息的欧拉数,由此构造一个一维的特征矢量。在进行图像检索的时候,使用欧式距离进行图像的相似度度量。新算法具有计算简单、数据量小的特点。实验结果表明,新算法具有较强的鲁棒性和检索精度。     

基于PCNN的声纳图像纹理特征提取

对声纳图像的纹理特性进行了研究,根据相同灰度值的空间分布具有唯一性这个特点,将其作为图像纹理的表征.利用脉冲耦合神经网络(PCNN)简化模型得到对应于不同灰度值的二值图像序列,计算序列中每幅图像的方差,使其转化为一维的特征矢量用于侧扫声纳图像的识别,取得了很高的识别率.随后大量的自然纹理图像样本对该算法加以验证.实验结果表明,该方法提取的图像特征具有旋转不变性,能够获得高识别率,适用于实时的声纳系统.     

基于自相关图像的纹理特征检索的研究

针对图像检索时的平移、旋转及尺度变化问题,提出了一种基于自相关图像的不变性纹理特征提取方法.首先,用FFT、IFFT快速算法计算图像的自相关图像,消除平移影响,然后对自相关图像进行log-极坐标变化,这样就将旋转和尺度变化转为了平移,再用具有平移不变性的双树复小波进行分解,就可以提取出平移、旋转和尺度不变的特征向量.采用Canberra距离进行相似性度量.通过对发生几何变化的纹理图像库的实验表明,该方法对图像的平移、旋转和尺度变化具有较好的鲁棒性.     

一种基于PCNN的指纹特征提取算法

具有生物背景的脉冲耦合神经网络具有自适应提取指纹特征的特性,基于此,首次提出了一种指纹图像特征提取的新方法一一自适应耦合神经网络点火统计图的,此图不仅包含了指纹图像的灰度特征,还包含相邻像素之间的几何位置信息。此方法具有运算速度快及对旋转、平移、尺度不变性,是许多指纹特征提取算法不具备的优点。最后给出了部分实验的结果,以验证该方法的有效性．     

一种基于内容的图像检索方法

提出了一种基于区域对象特征建立图像内容索引的检索方法,为研究和实现对象级的基于内容图像检索(CBIR:Content-Based Image Retrieval)提供了途径.由于区域对象的特征利用不变矩进行描述,检索方法具有二维的平移、尺度、旋转不变性.由于匹配时采用了非几何相似度度量准则,检索结果更符合视觉感知.     

一种改进的综合纹理和形状特征的图像检索方法

提出一种利用小波进行综合纹理和形状特征的具有旋转、平移和尺度不变性的图像检索算法.使用角向矩加权方向定义图像的主方向来进行坐标轴的旋转矫正,得到图像的旋转不变性表示;采用具有平移和尺度不变性的小波变换对图像进行小波分解,利用各子带的能量作为纹理特征;利用小波分解的逼近子图重构图像并进一步利用Hu不变矩提取其形状特征.最后对纹理和形状特征进行高斯归一化,综合其特征进行检索.实验中对算法的尺度不变性、旋转不变性、平移不变性及对噪声的不敏感性进行了验证,实验结果证明了该算法具有更高的鲁棒性和查准率.     

改进的脉冲耦合神经网络人脸特征提取方法

针对基于子空间分解的人脸特征提取方法对人脸图像在采集过程中的光照、旋转、位置等变化较为敏感的问题,提出了一种改进的脉冲耦合神经网络人脸特征提取方法。该方法模拟生物视觉的感知过程,将人脸图像分解成由若干二值图像组成的认知序列,计算序列中的每幅二值图像的熵作为人脸特征,基于支持向量机实现分类与识别;同时克服了标准的脉冲耦合神经网络模型参数过多的缺点,识别率也有所改善。理论与实验结果表明,该方法与现有的基于子空间分解的人脸特征提取方法相比,对人脸图像在采集过程中的光照、旋转、位置等变化有较强的鲁棒性,而且具有较低的维数。     

基于PCNN的图像纹理平滑度的特征提取

脉冲耦合神经网络(PCNN)是基于猫视觉原理构建的一种简化的神经网络模型，它适合基于视觉内容的特征提取。该文在改进模型的基础上运用PCNN神经元的点火捕获特性提取出了一种度量图像纹理平滑程度的特征量——捕获率；同时结合PCNN与傅立叶功率谱得到图像的低频能量与图像总能量的比例关系，作为度量图像纹理平滑程度的另一个特征量——低频能量比。最后通过图像检索实验验证了这两个特征量的有效性。     

基于形状和纹理的图像检索

构造了Radon变换的不变量，提出一种新的基于形状和纹理的图像检索方法。对小波图像边缘提取Radon不变量作为形状特征，同时提取小波各频道能量作为纹理特征。然后将形状特征和纹理特征分别进行高斯归一化，计算图像形状和纹理的相似度。最后，利用形状和纹理相似度的加权和进行图像检索。试验结果表明该方法对噪声具有较强的鲁棒性，具有尺度、平移和旋转不变性。     

基于Radon变换的纹理图像多尺度不变量分析算法

为了更好地进行图像纹理分析,提出了一种基于Radon变换的不变量纹理识别算法。该算法首先利用Radon变换将图像投影到1维空间,然后通过对投影数据进行一种平移和比例不变的自适应小波变换来构造出具有比例和平移不变性的图像的特征矩阵。这种通过对特征矩阵进行多尺度分析得到的多尺度能量特征不但具有平移、比例和旋转不变性,而且反映出了纹理图像在不同尺度上的能量分布特征。在特征提取完成以后,即可利用支撑向量机进行分类。同其他方法的比较说明,该算法可较好地描述纹理特征,并可完成纹理识别。     

Pulse-coupled neural networks and one-class support vector machines for geometry invariant texture retrieval

The pulse-coupled neural network (PCNN) has been widely used in image processing. The outputs of PCNN represent unique features of original stimulus and are invariant to translation, rotation, scaling and distortion, which is particularly suitable for feature extraction. In this paper, PCNN and intersecting cortical model (ICM), which is a simplified version of PCNN model, are applied to extract geometrical changes of rotation and scale invariant texture features, then an one-class support vector machine based classification method is employed to train and predict the features. The experimental results show that the pulse features outperform of the classic Gabor features in aspects of both feature extraction time and retrieval accuracy, and the proposed one-class support vector machine based retrieval system is more accurate and robust to geometrical changes than the traditional Euclidean distance based system.     

综合颜色和纹理特征的图像检索算法

基于内容的图像检索是当前多媒体信息检索的热点之一。基于内容的图像检索技术是根据对图像内容(特征)的描述和提取,在图像库中找到具有指定内容(特征)的图像。本文对图像颜色特征和纹理特征的提取、相似性度量等基于内容的图像检索的关键技术进行了分析和研究,并在此基础上,提出了一个基于颜色特征和纹理特征的图像检索算法并验证了其有效性。该算法采用HSV颜色空间的直方图作为颜色特征向量,采用灰度共生矩阵的四个纹理特征:能量、熵、惯性矩和相关性构成纹理特征向量,采用欧氏距离进行相似性度量。实验结果表明,该算法实现的系统具有良好的图像检索功能。     

结合改进CNN和双线性模型的CBIR方法

针对现有基于内容的图像检索（Content-Based Image Retrieval,CBIR）方法中图像特征维度较大等问题,提出一种结合改进卷积神经网络（Convolutional Neural Network,CNN）和双线性模型的CBIR方法。采用一种低维度池化方法代替传统CNN中的池化过程,以此降低图像特征映射的维度。基于双线性模型的思想,使用两个特征提取器进行特征提取,并在每个图像位置上对两个特征进行内积,以形成最终的图像描述符。通过计算图像间的曼哈顿距离度量来评估相似性,获得相关图像及其排序。实验结果表明,该方法能够准确检索出相关图像,并具有较低的检索时间和内存消耗。     

基于改进NSST-PCNN的光学与SAR图像融合去云方法

由于光学遥感穿透性差,光学图像常受到云层等天气因素干扰而影响其遥感应用。现有基于多时相或单幅图像修复的方法受地物变化及缺乏先验信息的影响,难以恢复云下真实地物信息。利用SAR图像不受云层、光照等因素干扰的特点,提出一种与SAR图像融合的光学图像去云方法。首先利用分形网络演化算法（FNEA）结合形状及光谱特性对云区进行检测,接着采用非下采样剪切波变换（NSST）对光学与SAR图像进行分解,最后对分解后系数结合云区检测结果进行融合,其中低频信息基于改进加权能量和进行融合,高频则结合方向信息熵及脉冲耦合神经网络（PCNN）模型进行融合。以高分一号、二号光学和高分三号SAR图像数据进行实验。结果表明,该方法相较其他5种算法在云区与参考图像有更高的相似性,可以更好地保持纹理及细节特征,在有效解决云层遮挡问题的同时实现图像增强,有利于后续图像分类、目标识别以及图像判别等遥感应用。     

基于脉冲耦合神经网络的图像NMI特征提取及检索方法

为了简单有效地提取图像重要特征信息, 从而更好地提高检索图像的精度, 提出了一种基于脉冲耦合神经网络(Pulse coupled neural networks, PCNN)的图像归一化转动惯量(Normalized moment of inertia, NMI)特征提取及检索算法. 首先利用改进简化PCNN模型相似神经元同步时空特性及指数衰降机制将图像分解为具有相关性的二值系列图像, 然后提取反映原始图像目标形状、结构分布二值系列图像的一维NMI特征矢量信号, 并将其应用在图像检索中; 同时, 考虑到二值系列图像间的相关性及不同图像间NMI序列值的差异性, 引入了马氏距离结合Pearson积矩相关法的 综合相似性度量方法. 实验结果表明, 所提算法对图像特征矢量序列具有良好抗几何畸变不变特性及对图像表述的唯一性,且具有较好的图像检索效果.     

基于多特征融合的交通标志识别算法

综合考虑识别率、时间复杂度以及鲁棒性,提出一种边缘、纹理、颜色多特征融合和支持向量机（SVM）的交通标志识别算法。通过提取能够描述交通标志图像边缘信息的方向梯度直方图（HOG）特征并进行统计平均,与能够表示标志图像内部纹理信息的局部二值模式（LBP）特征融合得到降维后的HOG-maxLBP特征,再级联交通标志的颜色特征作为最终的特征向量,最后利用SVM进行交通标志训练和分类。实验结果表明,该算法不仅提高了交通标志的识别率,而且降低了时间复杂度,增强了系统鲁棒性。     

基于互补特征的纹理图像检索

针对互补特征可以有效地改善图像检索系统性能的特点,提出一种在改进Contourlet变换域采用L1能量与广义高斯分布参数特征的纹理图像检索方法。首先,应用改进的方法对方向子带系数进行广义高斯统计建模。然后,分别单独利用各个特征和相应的相似性测度进行检索。最后,基于直接的相似性测度和,采用这两种互补的特征进行检索。实验结果表明,和采用单一特征相比较,互补特征由于充分地反映了图像的结构信息和随机分布信息,从而有效地提高了纹理图像数据库的平均检索率。     

基于PCNN和果蝇优化算法的自适应图像融合

针对脉冲耦合神经网络（Pulse Coupled Neural Networks,PCNN）中参数选取不易确定的不足,提出一种基于脉冲耦合神经网络和果蝇优化算法（Fruit Fly Optimization Algorithm,FOA）的自适应图像融合算法。利用FOA的全局搜索能力,以平均结构相似度作为FOA的适应度函数,对PCNN的4个参数[β、][Vθ、][αL]和[αθ]进行自适应设定;结合最大化原则,采用PCNN对源图像进行融合。实验结果表明,该算法在主观视觉效果和客观评价指标上优于其他融合算法。     

PCNN在金属拉链缺陷检测中的应用

针对传统金属拉链缺陷人工检测方法效率低、稳定性差、误检率高等缺点,提出一种基于脉冲耦合神经网络（Pulse Coupled Neural Networks,PCNN）和灰度跃变检测的金属拉链缺陷检测方法。针对拉链图像的特点,通过对传统PCNN进行改进以提高金属拉链图像二值分割处理速度;将传统PCNN和形态学理论相结合,提取链齿特征图像;采用区域像素统计与灰度跃变检测的方法实现金属拉链缺陷自动检测;完成检测系统的设计并进行实验研究。实验结果表明提出的检测方法快速、准确、可行。     

基于NACT和HMT模型的纹理图像检索

针对轮廓波变换方向子带中的频谱混叠现象及传统KLD方法度量隐马尔科夫模型间距离的局限性,提出结合改进KLD度量的抗混叠轮廓波隐马尔科夫树(HMT)纹理图像检索方法。利用抗混叠轮廓波变换抑制频谱混叠的特点对纹理进行分解,建立HMT模型并将其训练后的参数集视为纹理特征,利用改进KLD方法满足三角不等式的优点度量HMT模型间的距离,提高纹理图像检索精度。理论和实验结果表明,该算法的查准率比CT-HMT+传统KLD方法提高了2.81%。