多方法融合的类圆形堆积物分割

针对类圆形堆积物图像的前景和背景在色彩或灰度上相近,难以用传统阈值分割等算法进行有效分割的问题,提出一种多方法融合的类圆形堆积物图像区域分割策略。对图像进行滤波等一系列预分割处理后进行投影得到目标图像的外接矩形区域,以排除噪声的干扰,在区域内采用改进的灰度共生矩阵方法进行粗分割,以解决窗口大小与分割精度的问题,采用二维OTSU阈值分割方法对粗分割结果进行量化。实验结果表明,该方法得到的区域分割结果边缘清晰、准确度高。     

用于分割双纹理图像的最佳单Gabor小波参数的反馈系统

设计了一个对分割双纹理图像的最佳单Gabor小波参数进行自适应调整的反馈系统。该系统利用Gabor小波的带通特性使某一频率的纹理通过，而另一频率的纹理受到抑制，由RBF神经网络对预处理后的图像参数进行估计，求出最优分割阈值。以分割阈值误差率为反馈量对Gabor小波参数进行自适应调整，从而得到最佳Gabor小波参数。实验证明，该系统对双纹理图像的分割达到了预期的结果。     

基于Gabor 变换的GrabCut 纹理图像分割

多数自然图像都包含纹理信息, 它相对颜色特征而言具有描述方向性与尺度差异的特性. 因此, 可以利用半交互式的GrabCut 的图像分割方式对图像前景区域与背景区域进行有效的分割, 通过建立前景和背景所对应的高斯混合模型(GMM), 结合最大流最小割的图像分割方式实现全局优化, 并利用前景和背景的KL 测度, 自适应地终止分割过程. 实验对比分析表明, 所提出的方法对于合成纹理图像与自然纹理图像具有较好的整体分割效果及较高的分割准确率.

     

基于Gabor小波变换的无监督纹理图像分割

本文提出了一种基于Ｇａｂｏｒ小波变换的无监督纹理分割方法,该方法首先对纹理图像进行Ｇａｂｏｒ小波变换,再经过一组Ｇａｕｓｓ波波器滤波,然后将得到的纹理特征送入由Ｈｏｐｆｉｅｌｄ网络构成的无监督分类器,最后得到纹理分割结果。实验和分析表明,该方法对于不同的纹理图像都具有良好的分割效果。     

基于Gabor小波和支持向量机的储粮害虫图像分割

国内外农业图像的处理大多采用常规方法,要么在时域要么在频域,而不能同时在时域和频域分析图像,且不具有多分辨率特征.文章通过提取储粮害虫图像的Gabor特征,结合支持向量机进行图像分割,综合了二维Gabor小波可以同时在空域、频域和方向上获得最佳的分辨率和SVM对小样本学习及分类的优越性.实验结果表明该方法分割速度快.容错性好,能够正确分割有噪声的储粮害虫图像.     

基于极坐标Log Gabor小波的纹理分析方法

提出一种基于极坐标Log Gabor小波的纹理分析方法,该方法突破了Gabor小波的带宽限制,仅采用较少的极坐标Log Gabor滤波器,即实现了准确地纹理分割.实验表明,在频谱覆盖相同的情况下,极坐标Log Gabor小波具有较Gabor小波更好的性能和更高的效率;此外,实验中针对多通道滤波方法对最小距离判别方法的改进,也取得了较好的效果,这为基于小波分解的分类问题提供了一个新的思路.     

基于GLCM与自适应Gabor滤波器组的纹理图像分割

基于Gabor滤波器的纹理图像分割算法存在参数难以选择的问题。为此,提出一种预测图像纹理类型数与Gabor滤波器组参数的分割算法。将图像分割成大小相等的区域块,根据各类纹理特性预测Gabor滤波器组参数,利用各区域块的纹理特征向量预测纹理类型数,并使用预测的滤波器组提取图像纹理特征,通过预测的纹理类型数对图像进行聚类分割。实验结果表明,该算法能以较高的精度与较快的速度分割纹理图像,且受纹理类型数量影响较小。     

一种采用Gabor小波的纹理特征提取方法

Gabor小波是一种重要的纹理特征提取方法。利用其基函数的正交性,Gabor小波不仅可以有效地提取纹理特征,而且可以消除冗余信息。然而,采用Gabor小波方法计算得到的纹理特征向量具有较高的维数,因此,提出一种采用Gabor小波的纹理特征提取方法。该方法采用Gabor小波方法计算不同尺度和方向的能量信息,根据这些信息确定了显著峰集合。根据显著峰集合,确定了纹理特征向量,并且把显著性作为权重引入到相似性度量。实验结果表明,采用该方法的系统具有和采用直接Gabor小波变换方法的系统近似相同的检索性能,而纹理特征向量的维数仅为采用直接Gabor小波变换方法计算得到的纹理特征向量维数的6.1%。     

基于分水岭和改进的模糊聚类图像分割*

针对模糊C-均值聚类算法需预先给出初始聚类中心、未考虑邻城信息、计算复杂度高等缺点,提出了一种基于分水岭和改进的模糊聚类图像分割方法.该方法首先利用分水岭分割方法对原图像进行预分割,然后利用粒子群的全局寻优能力从预分割的小区域中搜索出较为准确的初始聚类中心;最后,在对小区域进行模糊聚类时,建立了包含邻域信息的聚类目标函...     

基于多尺度2D Gabor小波的视网膜血管自动分割

眼底视网膜血管分割对临床视网膜疾病诊断具有重要意义. 由于视网膜血管结构微小, 血管轮廓边界模糊, 加上图像采集时噪声的影响, 视网膜血管分割非常困难. 本文提出一种视网膜血管自动分割新方法. 首先, 应用对比度受限的自适应直方图均衡法增强视网膜图像;然后, 采用不同尺度的2D Gabor小波对视网膜图像进行变换, 并分别应用形态学重构 (Morphological reconstruction, MR)和区域生长法 (Region growing, RG)对变换后的图像进行分割; 最后, 对以上两种方法分割的视网膜血管和背景像素点重新标记识别, 得到视网膜血管最终分割结果. 通过对DRIVE和STARE数据库视网膜图像的分割实验, 证明了该算法的有效性.     

基于对数极坐标频谱的Gabor纹理分析

提出一种基于对数极坐标频谱的Gabor纹理分析方法（LPFG）,该方法以对数极坐标的形式表示图像在频率空间的频谱分布,利用多通道Gabor滤波器进行频率分析,从而提取图像的纹理特征,并结合改进的最小距离判别方法实现了有效的纹理分割;此外,从理论上分析了该方法与Log Gabor小波分析的一致性,由此推导了Log Gabor小波的参数计算方法;并从实验的角度与传统方法进行了比较,证明该方法在性能和效率上均优于传统方法。     

基于Gabor小波的视网膜血管自动提取研究

针对视网膜血管网络灰度分布特征和区域结构特征,提出了一种基于Gabor小波的视网膜血管提取方法。采用Gabor滤波预处理以增强血管,用改进的自适应二值化方法对增强后的视网膜图像进行二值化处理,根据视网膜血管具有区域连通性的特征,并用形态学方法分割出最终的血管。为验证方法的有效性,对Hoover眼底图像库进行实验,结果表明该方法在细小血管的提取以及连续性、有效性方面都优于Hoover算法。     

基于Gabor滤波器组的实时疵点图像分割

使用Gabor滤波器组进行布匹在线疵点检测与疵点图像分割。通过定义一个分辨力函数和一些合成的疵点图像,对已有的Gabor滤波器组的参数选择方式做出评价,提出了在实时应用场合有效地确定Gabor滤波器组参数的方法。分析指出：Gabor滤波器的实部输出是主要因素;滤波器的方位角仅选取疵点出现得最多的水平和垂直方向,而径向中心频率的选取依赖于纹理本身的固有频率;滤波器的长度也应与纹理的固有周期一致。尽管Gabor滤波器的个数减少到4个以满足实时性要求,但结果表明,滤波器组仍能很好地检测和分割出大多数疵点。     

基于类圆映射的多目标粒子群优化算法

针对多目标优化求解的问题,提出一种基于类圆映射的多目标粒子群优化算法(qMOPSO).首先,利用类圆映射技术将高维空间的解集映射到二维坐标平面,监控粒子种群的进化状态.其次,为了兼顾种群的收敛性和分布性,采用类圆占优和类圆扇块距离的概念设计了新的档案集管理策略.另外,根据种群分布熵变化情况,选择全局最优粒子,指导种群进化方向.最后,基于换维思想和淘汰机制,采用一种新的综合管理策略,提高种群寻优性能.所提算法采用三类测试函数和五种对比算法进行了对比实验.仿真实验证明,该方法是正确、有效的.     

基于Gabor小波的几何活动围道纹理图像分割方法

用活动围道分割纹理图像时,纹理经常被分割为一个个独立的区域,影响了分割的质量。针对此问题,提出了一种基于Gabor小波的几何活动围道分割新方法。该方法先用Gabor小波对纹理图像进行特征提取,再用几何活动围道模型进行分割,模型求解时采用了无需初始化的曲线演化方法,减少了计算量。对自然界真实图像和合成纹理图像的分割实验结果说明,与传统几何模型分割法相比,提出的分割方法精度高、速度快。     

一种方向Gabor滤波纹理分割算法

结合人眼视觉特性，设计了一种方向Gabor滤波器，该滤波器顾及了纹理图像的方向特性；利用Gabor滤波器的带通技术，抑制次要纹理图像的主频率分量，增强目标纹理图像主频率分量，使滤波输出图像具有较大的类间离散度和较小的类内离散度，将纹理图像的分割转化为传统的图像分割，使图像的分割质量和算法效率都得到了提高。     

基于Gabor变换的木材表面缺陷图像分割方法

为了提高对木材表面缺陷图像分割的正确率,采用了环形Gabor滤波器将木材纹理图像变换到联合空间频率域,并在能量意义下定义了特征参数.根据多方向滤波结果形成缺陷图像的分割特征向量.结合模糊C均值聚类算法和数学形态学后处理操作提取出缺陷目标区域,分割正确率为98.29%.通过与基于灰度共生矩阵的分割方法进行比较实验,该方法平均分割精度比后者提高了4.22%,实验结果表明了该方法的可行性.     

Efficient Gabor filter design for texture segmentation

Gabor filters have been successfully applied to a broad range of image processing tasks. The present paper considers the design of a single filter to segment a two-texture image. A new efficient algorithm for Gabor-filter design is presented, along with methods for estimating filter output statistics. The algorithm draws upon previous results that showed that the output of a Gabor-filtered texture is modeled well by a Rician distribution. A measure of the total output power is used to select the center frequency of the filter and is used to estimate the Rician statistics of the Gabor-filtered image. The method is further generalized to include the statistics of postfiltered outputs that are generated by a Gaussian filtering operation following the Gabor filter. The new method typically requires an order of magnitude less computation to design a filter than a previously proposed method. Experimental results demonstrate the efficacy of the method.     

Unsupervised texture segmentation using Gabor filters

This paper presents a texture segmentation algorithm inspired by the multi-channel filtering theory for visual information processing in the early stages of human visual system. The channels are characterized by a bank of Gabor filters that nearly uniformly covers the spatial-frequency domain, and a systematic filter selection scheme is proposed, which is based on reconstruction of the input image from the filtered images. Texture features are obtained by subjecting each (selected) filtered image to a nonlinear transformation and computing a measure of “energy” in a window around each pixel. A square-error clustering algorithm is then used to integrate the feature images and produce a segmentation. A simple procedure to incorporate spatial information in the clustering process is proposed. A relative index is used to estimate the “true” number of texture categories.