基于特征级数据融合木材纹理分类的研究

为了提高对木材纹理识别的精度,提出了一种基于融合灰度共生矩阵与高斯-马尔可夫随机场纹理参数的特征级数据融合木材纹理模式识别方法。首先,分别获取了以上两种木材纹理特征参数;然后,使用模拟退火算法将两种不同类型的纹理特征量在特征层上进行了融合。利用融合后的特征对木材纹理样本进行识别,BP神经网络分类器的识别率达到97.00%,表明数据融合后的特征参数对木材纹理识别是十分有效的。     

基于火焰彩色纹理复杂度特征的转炉炼钢吹炼状态识别

在基于火焰图像识别的转炉吹炼状态识别过程中,针对已有方法存在火焰彩色纹理信息利用不充分和状态识别率仍需提高的问题,提出一种基于火焰彩色纹理复杂度特征的转炉吹炼状态识别方法.首先,将火焰图像转化到HSI颜色空间下并作非均匀量化;然后,计算H分量和S分量的共生矩阵从而融入火焰图像的颜色信息;其次,利用得到的颜色共生矩阵计算火焰纹理复杂度的特征描述子;最后,应用Canberra距离作为相似度度量准则对吹炼状态进行分类和识别.实验结果表明,与已有的转炉火焰灰度共生矩阵和灰度差分统计方法相比,在满足吹炼识别实时性要求的前提下,所提方法的识别率分别提高了28.33%和3.33%.     

GMRF随机场在纹理特征描述与识别中的应用

为了建立描述自然纹理的参数体系,选用木材这种典型自然纹理为研究对象。提取了木材纹理的5阶GMRF参数,为了降低运算量,采用改进的模拟退火算法进行参数的优化与选择,形成了描述木材纹理最优GMRF参数体系,并将其送入分类器进行分类识别。实验结果表明：集成神经网络的总体分类识别率为94.0%,近邻分类器的总体识别率为91.0%,获得了较高的分类识别率。说明用该参数体系对木材纹理进行分类识别是可行的,该参数体系也可用于与木材纹理相近的自然纹理的描述。     

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.     

自然纹理的过程生成及其动画

给出了一种自然纹理的图象生成方法——过程生成方法.采用应用随机过程中的马尔可夫序列理论，解决了计算机动画和机器人学中路线规划的静态故障避免问题，生成了行走路线，并由此形成了室内地面纹理及磨蚀过程动画.这种方法具有高度的真实感，善于表现纹理的连续性和演变趋势.     

GMRF纹理模型在ATR评估系统中的应用

介绍高斯马尔可夫随机场（GMRF）纹理模型的基本原理,及该纹理模型参数的最大似然估计方法。针对已有的计算参数算法的运算量偏大的缺点,提出改进的参数计算算法,并列出具体实现步骤。对真实纹理进行模拟实验,结果表明该算法取得很好的效果。     

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。     

基于结构性信息的纹理合成方法

提出了一种基于结构性信息的判断纹理块匹配误差的新方法：颜色—结构差异算法。该方法同时考虑了纹理块之间颜色误差和结构误差对纹理块相似性的影响,弥补了单纯考虑颜色误差的不足,保证了图像间结构信息的连贯性,从而更好地保证了合成后的纹理在视觉上的连贯性。     

基于多特征组合的图像纹理分类

在对纹理图像进行特征提取的算法中,高斯马尔可夫随机场(GMRF)、局部二值模式(LBP)和灰度共生矩阵(GLCM)这三种算法应用的较为广泛.常见的图像纹理分类做法是取某一种特征提取算法得到各种纹理的特征空间,进而配合分类算法进行分类.然而,这种做法的不足之处在于未能充分利用各种特征之间的关联,且选取某一种特征提取算法建...     

基于多特征融合的HSV空间彩色纹理图像检索

针对目前彩色纹理图像检索系统结构复杂且时间成本较高的问题,提出一种融合图像颜色与纹理特征的彩色纹理图像检索方法.首先,在HSV空间中分别量化H、S、V三个通道的数据并提取组合直方图的颜色特征.然后,提取V通道数据子带系数的幅值与相位两种分布参数特征作为全局纹理特征;同时,使用局部邻域差分模式(Local Neighborhood Dif-ference Pattern)算子提取V通道数据的局部纹理特征,并将所得到的颜色特征、全局纹理特征和局部纹理特征进行有机融合.最后,通过合适的相似性测度完成彩色纹理图像的检索.在VisTex和STex两个流行的彩色纹理图像数据库上进行的检索实验表明,由论文方法所得到的平均检索率较目前典型方法的最优结果分别高出0.96％和0.78％,且检索时间成本更低.因此,论文所提出的彩色纹理图像检索方法是有效的和可行的.     

Illumination Invariant Recognition of Three-Dimensional Texture in Color Images

In this paper, illumination-affine invariant methods are presented based on affine moment normalization techniques, Zernike moments, and multiband correlation functions. The methods are suitable for the illumination invariant recognition of 3D color texture. Complex valued moments (i.e., Zernike moments) and affine moment normalization are used in the derivation of illumination affine invariants where the real valued affine moment invariants fail to provide affine invariants that are independent of illumination changes. Three different moment normalization methods have been used, two of which are based on affine moment normalization technique and the third is based on reducing the affine transformation to a Euclidian transform. It is shown that for a change of illumination and orientation, the affinely normalized Zernike moment matrices are related by a linear transform. Experimental results are obtained in two tests: the first is used with textures of outdoor scenes while the second is performed on the well-known CURET texture database. Both tests show high recognition efficiency of the proposed recognition methods.     

基于颜色和纹理特征的林火烟雾识别

为了实现森林火灾的智能化预警,提出了基于颜色和纹理特征的林火烟雾识别方法.首先使用颜色特征确定烟雾疑似区域,随后采用局部二值模式方差(Local Binary Pattern Variance,LBPV)提取疑似区域纹理的不规则度特征并产生LBP图像.然后利用小波变换分解LBP图像并提取模糊度、复杂度和相关度特征.最后利用支持向量机(Support Vector Machine,SVM)进行烟雾识别.结果证明,颜色结合纹理特征方法可以有效实现林火烟雾的识别,为林火烟雾识别研究提供了一种有效方案.     

基于四元数傅里叶梅林变换的旋转不变彩色纹理分类

提出一种基于四元数傅里叶梅林变换(Quaternion Fourier-Mellin Transform,QFMT)的旋转不变彩色纹理分类方法。该方法首先对彩色图像各分量图像进行对数极坐标变换,然后将经过变换后的3幅分量图像表示成四元数,并对其进行四元数傅里叶变换(Quaternion Fourier Transform,QFT),最后对幅度谱分别统计其环形特征量和楔形特征量作为纹理分类的特征向量,利用最近邻分类器进行分类。实验结果表明,本文提出的方法分类准确率更高,且具有良好的旋转不变纹理分析性能。     

一种基于函数联接网络的纹理分类方法

提出了一种基于函数联接的感知器神经网络的纹理分类方法,它采用高新－马尔柯夫随机场模型（ＧＭＲＦ）对纹理进行描述,模型参数即为纹理特征,参数估计采用最小平方误差方法获得,将估计参数作为表达纹理的特征向量,用感知器网络对特征进行分类,并且采用函数联接的方式解决线性不可分问题,对纹理图象进行的实验表明,采用这种方法能够提高学习速度,简化计算过程,并取得较好的纹理分类效果。     

图像颜色与纹理特征的粗糙集分类模型

颜色与纹理作为两类基本特征,现有的很多图像检索、查询及分类系统都能很好地支持。该文提出一个基于图像内容的颜色与纹理特征,利用粗糙集分类的模型,即对图像进行四等分分割,而后对每一区域通过聚类分析得到4种主色,这样可构成16个颜色特征。再对聚类后的主色进行二值映射操作,并计算其0°与90°方向的共生矩阵,则可获取基于能量的8个纹理特征。在获取24个特征构成决策分类表后,最后利用粗糙集进行分类。实验证明其性能良好,相对于聚类、神经网络、贝叶斯等方法简单、高效、准确。     

一种无接缝纹理映射算法

针对基于图像三维重构得到的三维形状的纹理映射算法通常存在接缝现象的问题,提出一种无接缝纹理映射算法。该算法通过建立三维网格顶点和视点之间的马尔可夫随机场模型,利用重心坐标权重插值进行颜色填充,构造出一个无接缝的纹理图像。实验结果表明,马尔可夫随机场模型可以在保证纹理图像质量的同时最小化接缝现象,在此基础上的权重颜色插值方法能够完全消除接缝现象。     

基于Markov随机场模型的纹理图像的缺陷检测

在工业自动化研究中,部件的缺陷检测是非常重要的过程。文中提出了一种基于图像纹理分析的表面缺陷检测方法,图像表面纹理特征是利用Markov随机场模型来描述的,通过学习和聚类分析来检测出纹理图像中有缺陷的区域。试验结果表明,该方法可以有效地描述不同种物质表面的纹理特征,并能准确地检测和定位缺陷。     

基于结构的纹理合成

提出一种纹理合成算法,首先将经验模型分解(EMD)算法引入到纹理合成领域,对样本图像的纹理结构进行提取;然后应用分片采样算法和Markov随机场(MRF)模型生成输出纹理的结构,对于结构之间的空白区域,采用距离变换方法分片提取其不规则的形状并进行填充。实验结果表明,该算法不仅简单、快速、合成质量高,而且具有广泛的适用性。     

基于颜色和轮廓平稳小波变换纹理分析的彩色图像检索

由于单一特征只能表达图像的部分内容,提出了一种新的彩色图像检索方法.该算法在提取颜色特征方面,首先将图像进行分块以获得空间分布信息,为了充分利用RGB颜色模型及HSV颜色模型的优点,分别在两种不同的颜色模型中提取相应的特征向量,将两种颜色空间中的特征向量结合在一起就形成本文的颜色特征向量,在纹理特征方面,结合小波变换及轮廓波变换的优点,将图像进行非下采样轮廓平稳小波变换(NWCT),然后分别计算各子带在各个方向上系数的均值与方差作为纹理特征向量,最后采用加权欧氏距离作为图像的相似度进行检索.实验结果表明,相对于其他检索方法,该方法平均检索精度有了一定的提高,取得了较好的检索结果.