基于灰度共生矩阵的连续多幅散斑图像纹理

采用激光散斑的实验方法,拍摄了连续多幅不同加工工艺、不同表面粗糙度标准样块的散斑图像。利用基于灰度共生矩阵的纹理分析方法对图像的4个特征参数——角二阶矩、惯性矩、相关性和熵进行了计算、统计与分析。研究表明,连续多幅激光散斑图像的各种参数取值会有波动,但整体趋于平稳;验证了表面粗糙度和特征参数之间存在着规律性的曲线关系;进一步消除了外界干扰和装置随时间的动态不确定性,使得实验结果更可靠,同时扩大了表面粗糙度和4个特征参量之间的关系数据库,验证了激光散斑的方法对测量表面粗糙度具有较高的可信度。     

基于灰度共生矩阵的纹理分析方法研究

介绍了纹理的定义及特征,并分别对统计方法、结构分析方法、基于纹理模型的方法和信号处理方法四种纹理图像分析方法进行了描述。针对统计方法中的灰度共生矩阵进行了详细的分析研究,并得到利用其进行纹理分析设计的重要参数。说明灰度共生矩阵法在纹理分析中的重要性。     

基于显著性的自适应分块压缩感知算法

现实图像的显著性纹理结构可为分块压缩感知算法提供先验信息,优化算法。鉴于此,提出了一种新的基于显著性的自适应分块压缩感知算法。算法所提显著性是以灰度空间相关矩阵和韦伯定律为基础,采用确定性正交对称托普利兹矩阵对目标图像进行测量,提出了均熵最小化自适应分块策略、角二阶矩最大化块向量生成方式以及合成特征依据下的自适应采样率设置,并结合不同重构算法进行了分析和验证。实验表明,所提算法策略在多项指标上较传统算法具有更好的表现,易于硬件实现,针对不同重构算法和测试图像具有普适性和稳定性。     

一种多尺度灰度共生矩阵的纹理特征提取算法

纹理特征作为图像的一个重要特征,在国画分类识别中的地位十分重要,但现有的纹理提取算法大多基于灰度信息而忽略了颜色信息。针对国画分类识别中纹理提取算法存在的问题,本文提出了一种多尺度、多色域的纹理特征提取算法,该算法结合了轮廓波变换和灰度共生矩阵的优点。为了对国画进行特征提取,该算法首先将国画图像转变到HSI色彩空间。然后,提取色调、饱和度、强度这三个色彩分量进行分区域操作,即提取每一个色彩分量的纹理特征。最后,将提取的3个特征向量融合并进行主成分分析降维。实验证明,与灰度共生矩阵相比,本文算法在国画分类识别方面查准率提高了7.5%,查全率提高了8.7%。实验表明多尺度灰度共生矩阵算法优于传统的灰度共生矩阵算法。     

基于灰度共生矩阵的边缘检测方法

对传统的边缘检测算子进行了分析,指出了存在的不足;同时针对目前的纹理分析算法普遍存在计算复杂、运行时间过长的缺点,通过将纹理分析的思想和传统的边缘检测算子相结合,提出了一种基于灰度共生矩阵的边缘检测新方法。该方法对图像进行纹理分析后自适应地选择模板,因此很好地保持了图像边缘的细节并且抑制了噪声。通过MATLAB仿真实现,结果表明由灰度共生矩阵产生纹理特征能有效地描述火焰的纹理特征,具有较好的鉴别能力。     

基于灰度共生矩阵的笔迹识别

把手写笔迹作为一种纹理来看待,利用图像纹理处理技术和数学方法对笔迹的纹理特征进行提取鉴别,将笔迹识别问题转化为纹理识别。论文使用20个人的不同笔迹进行实验,采用灰度共生矩阵来提取这些笔迹的纹理特征,用夹角余弦相似度算法完成识别工作,取得了较好的效果。     

基于灰度共生矩阵的散斑质量评价

采用数字图像相关(DIC)法对物体表面形变进行测量,并通过散斑场的形变对被测物的真实变化进行研究.对散斑质量评价方法进行研究,以求在测量前即可判定所采用的散斑对测量精度的影响.根据DIC法对散斑图像的具体要求,提出基于灰度共生矩阵(GLCM)的散斑质量评价方法.对实际散斑图像进行亚像素刚体平移仿真模拟,采用GLCM中的...     

基于灰度共生矩阵的注塑模具瑕疵检测

遗留物检测是注塑机工作过程中的一项重要工作.为实现比较精确的模具遗留物检测,在对图像进行位置偏差矫正等预处理之后利用灰度共生矩阵算法,对标准图像与采集图像进行纹理分析,得到了这两幅注塑模具图像的特征参数,取四个特征参数进行分析,利用加权欧式距离对两组参数进行相似度比较,从而判断采集的图像是否为瑕疵图像.最后,利用OPENCV图像处理技术对系统进行了实现,并且和常用方法差影法进行了比较,试验结果表明,在光照不稳定情况下,提出的算法在注塑模具的遗留物检测中适用性更强.     

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。     

一种自适应采样率视频压缩感知方案

为了进一步提高视频压缩感知方案的重构图像质量,提出了一种新的自适应采样方案.在该方案中,根据不同图像块的稀疏度自适应分配采样率.在对各图像块分类判决时,首先判断图像块在离散余弦变换域的稀疏度,其次结合该图像块与其参考帧之间的时域相关性,确定图像块的分类.实验结果表明,与现有的自适应采样率分配方案相比,该算法可获得0.5 dB左右的峰值信噪比增益.     

基于矩阵分解的压缩感知算法研究

奈奎斯特采样定律是长久以来具有指导意义的经典信号处理技术,它提出信号在采样过程中,当且仅当采样率大于信号带宽的2倍时,才能精确重构信号。压缩感知理论突破了奈奎斯特采样定理对信号采样率的限制,以更低采样率采样信号,并通过适当的重构算法恢复信号。文中以压缩感知理论为基础,结合目前广泛采用的正交匹配追踪算法,基于矩阵分解思想,提出2种改进算法,在运算复杂度方面取得优化,并且满足信号处理时对重构精度的要求。     

面向压缩感知的块稀疏度自适应迭代算法

块稀疏信号是一种典型的稀疏信号,目前在块稀疏信号的压缩感知问题中,大多数信号重构算法要求信号的块稀疏度已知且算法复杂度高.针对实际应用中信号块稀疏度未知的情况,提出了一种块稀疏度自适应迭代算法,用于信号重构.首先,该算法初始化一个块稀疏度,其值按设定步长进行增加.对每一个块稀疏度的迭代,算法都会找到信号支撑块的一个子集,并修正更新上一次找到的信号支撵块,最后找到信号的整个支撑块,从而重构出源信号.该算法不需要信号的块稀疏度作为先验知识,而且算法复杂度低.仿真实验表明,该算法的重构概率较已有大多数块稀疏信号重构算法的重构概率高,在块稀疏信号的压缩感知问题中具有实际意义.     

基于感知域测量值的自适应压缩采样方法

现有的自适应采样方法需要在采集端获得原始信号,这在实际的蒸发波导相关气象要素压缩感知过程中不易实现。针对这一问题,提出了一种以测量值数据特征为依据的采样率自适应设定方法。该方法以能量表征各信号块的重要性,以观测值能量近似估计原信号块能量,根据感知域中测量值的能量变化自适应地为各块设定采样数目。理论分析和实验表明,该方法的重构性能优于传统自适应方法,相同采样率下可获得更高的重构信噪比。     

基于GLCM算法的图像纹理特征分析

深入研究灰度共生矩阵(GLCM,Gray Level Co-occurrence Matrix)算法,说明基于灰度共生矩阵的14个纹理特征具体意义,指出纹理特征之间存在冗余性。通过对纹理图像的灰度共生矩阵的计算分析和纹理特征提取实验,表明灰度共生矩阵能够反应图像的特点,与纹理特征描述图像的特点相对应,同时,图像的14个纹理特征之间存在一定程度的冗余,实际中可以根据图像纹理特征的差异,选择几个显著的纹理特征对图像进行分类。纹理特征分析和实验结果对图像纹理特征的应用具有普遍的指导意义。     

利用纹理信息的图像分块自适应压缩感知

与一维信号不同,二维图像有明显的纹理信息.本文分析了不同图像之间,以及同一图像不同子块之间,不同纹理引起的信息量差异,在分块压缩感知算法的基础上,提出了利用纹理信息的图像分块自适应压缩感知算法.自适应性体现在自适应采样和自适应收缩阈值两个方面.引入两种滤波器,分别形成了两种分块自适应压缩感知算法.采用自然和医学两类测试图像,验证了两种新算法的性能.实验结果表明,利用了纹理信息的分块自适应压缩感知算法,在重构图像的质量和视觉效果上,都有明显的优势.     

基于秩极小化的压缩感知图像恢复算法

本文将压缩感知图像恢复问题作为低秩矩阵恢复问题来进行研究.为了构建这样的低秩矩阵,我们采样非局部相似度模型,将相似图像块作为列向量构建一个二维相似块矩阵.由于列向量间的强相关性,因此该矩阵具有低秩属性.然后以压缩感知测量作为约束条件对这样的二维相似块矩阵进行低秩矩阵恢复求解.在算法求解的过程中,使用增广拉格朗日方法将受限优化问题转换为非受限优化问题,同时为了减少计算复杂度,使用基于泰勒展开的线性化技术来加速算法求解.实验表明该算法的收敛率、图像恢复性能均优于目前主流压缩感知图像恢复算法.     

压缩感知观测矩阵的优化算法

为克服基于压缩感知的图像重构算法存在的不足,文中对观测矩阵设计方法进行了改进,并根据稀疏信号的特点对观测矩阵加权,令奇异值分解得到的对角阵对角线上的元素全部为1。通过仿真实验表明,将改进后的矩阵作为压缩感知算法的观测矩阵,在大压缩比时PSNR值约提高(1~2 dB),在小压缩比较时PSNR值提高了(8~9 dB)。     

基于压缩感知的遥感图像融合方法

压缩感知理论,以远低于奈奎斯特采样定理要求的速率对图像进行采样,可利用图像的部分信息重构原始图像,有效地减轻图像处理的计算复杂度,降低对硬件的要求。文中提出了一种基于压缩感知的遥感图像融合方法。在压缩域对多光谱和全光谱遥感图像进行了融合实验,并与传统的融合方法进行了比较,实验结果表明,文中方法在遥感图像融合上有着良好的性能。