基于底层纹理特征的图像检索

讨论了统计法中的灰度共现矩阵法和频谱法中的小波变换法来提取图像底层纹理特征,并对此进行了比较和分析,实验表明,基于小波变换的纹理特征提取方法可以有效描述图像底层纹理并取得较好检索结果。     

基于统计纹理特征的打印文档认证

为了解决计算机打印文档的自动鉴别,提出了一种基于中文汉字显微放大图像灰度共生矩阵统计纹理特征的打印文档鉴别算法.首先,从理论模型上分析了激光打印机传动系统对打印字符潜影的影响;接着对字符图像的22维灰度共生矩阵统计纹理特征进行计算,并利用ReliefF特征选择算法进行特征选择;最后提取显微字符图像激光扫描方向和纸张行进方向的灰度共生矩阵纹理特征并进行融合,利用最近邻和支持向量机2种分类器进行分类鉴别.在两种样本集上的实验结果表明:特征融合后的鉴别性能有所提高;支持向量机的分类鉴别性能优于最近邻分类器,在相同字无重复样本集上的分类准确率和平均召回率分别为96.5%和96.64%,在相同字有重复样本集上分类准确率和平均召回率分别为98%和98.18%;激光打印机品牌分类准确率为98%.上述的实验结果显示该方法具有良好的打印文档分类鉴别性能.     

薄膜褶皱的纹理特征分析

用薄膜进行了褶皱实验,选取规则区域,利用灰度共生矩阵提取的纹理特征进行了褶皱的纹理分析.结果表明,利用灰度共生矩阵的纹理特征可以准确的判断褶皱的疏密程度和方向,实验结果与理论预测吻合.     

一种面向弱纹理图像的特征点描述子

现有的大多数特征点提取算法适用于处理纹理丰富的图像,而对于弱纹理图像则无法提取有效的特征点. 对此,提出了多邻域结构张量特征(MNSTF)算法. 基于一系列固定的邻域和图像结构张量,通过表达局部图像的结构和纹理信息,解决了弱纹理和无纹理场景下特征点提取和匹配等相关问题;同时,通过计算邻域之间的相对方向,实现了MNSTF算法特征描述子的旋转不变性. 实验结果表明,MNSTF算法在经过旋转的弱纹理图像测试集上的特征点匹配准确率达到了99.9%以上,验证了其良好的适用性、旋转不变性和鲁棒性.     

基于T-GLCM和Tamura融合特征的纹理材质分类

虚拟现实力触觉再现对于图像纹理特征提取的要求越来越高,纹理因素复杂且无规律,单一的纹理提取算法并不能准确地描述图像纹理的特点.因此提出基于GLCM(灰度共生矩阵)和Tamura融合特征的纹理材质分类算法.此外,本文对传统灰度共生矩阵GLCM进行优化,提出了改进的GLCM(T-GLCM)算子,提升了GLCM的旋转不变性并减少了大量的冗余信息.利用Tamura纹理特征对图像进行量化,然后将各特征区域量化后级联成一组特征向量,融合T-GLCM的纹理特征,通过支持向量机(SVM)对纹理材质进行分类.实验结果表明,相比传统纹理特征提取算法,本文算法具有更高的分类精度且鲁棒性更好.     

图象的修正功率谱矩及其用于图象纹理分类

图象纹理分类在航空和卫星照片分割,计算机视觉,等图象分析的各种领域都有应用。本文提出了一种基于图象功率谱的纹理测度——图象修正功率谱矩,这是一种图象功率谱的加权能量和,所选用的权函数,使低阶谱矩包含较多的功率谱的空间频域分布信息,因此,以一些低阶谱矩为元素,形成表征纹理的特征矢量,可用较低维特征矢量进行分类而得到较高的正确分类率。 权函数等价于一组特殊形式的空间滤波器,本文根据该滤波器组冲激响应的性质,导出了谱矩的近似算法,可显著减少计算机时。对10类60幅由模型生成的图象以修正功率谱矩为特征,按最小距离分类,正确分类率达91.5％,优于文献[2]的结果。     

基于共生矩阵和分形的彩色骨髓细胞图像纹理

在对骨髓细胞纹理分析的基础上,提出了一种基于共生矩阵与分形理论的对彩色骨髓细胞图像进行纹理特征提取的方法,该方法通过构造一种新的表征纹理特征的量——共生矩阵分形联合特征量,更好地将红系细胞与粒系细胞区分开,并且对同一系别细胞的不同成熟阶段做出了更好的区分.     

双标量描述下土的弹性非线性损伤模型

根据土的变形特点,采用双标量描述土的各向同性弹性损伤,将土看成是由两种材料组成的复合体,一种材料的柔度矩阵仅与土的弹性模量有关,而另一种材料的柔度矩阵仅与土的剪切模量有关。分别定义各自的损伤变量,并根据等效应力原理建立各自的损伤本构方程,最后通过合成获得了土的弹性非线性损伤本构方程,并根据土的三轴试验结果确定损伤演化方程,在此基础上建立了一个土的弹性非线性各向同性损伤模型。将其运用到地基沉降计算中,与实测结果进行比较,验证了本模型的正确性。     

一种基于主色调纹理的图像检索方法

基于主色调和共生矩阵的概念,提出并实现一种基于主色调纹理的图像检索方法.该方法根据用户所给目标图像的多种主色调,基于三种颜色分量和灰度分量的矩阵信息,提取图像的主色调共生矩阵纹理特征,并利用适用该特征的相似性度量函数实现基于内容的图像检索.     

一种基于共生矩阵的多分辨率纹理分割算法

当前常用的纹理特征描述方法多是以统计学为基础的,主要缺陷在于其纹理特征的提取尺度比较单一。为了弥补这个不足,本文提出了一种模型化了的统计的多分辨无监督纹理分割算法,并基于灰度层共生矩阵使之得以实现。实验结果表明在错误识别率上基于灰度层共生矩阵的一般的分割算法比本文所的述算法要高。     

图象相位特征提取及其在纹理分割中的应用

强调了长期为人们所忽略的相位信息在纹理分割中的重要性，在介绍相位缠卷概念的基础上给出了盲目展开、胞腔式自动机、相位解调等几种获取局部非缠卷相位的方案，并对它们各自的优缺点进行了简单的阐述，最后给出了将展开相位作为特征信息应用于纹理分割的实例。     

非参数邻域统计的无监督纹理分割方法

介绍了一个新颖的无监督分割方法,这种方法依赖于一个通用的图像邻域的非参数统计模型,直接建模图像邻域,不用建立中间特征。它不是针对某种特定纹理,而是通用在各种纹理上。文章通过静态随机域和非参数的高阶统计模型探讨了图像纹理的基本描述,文章中提到了适合各种纹理的通用的公式,方法的思想是通过最小化图像邻域的概率密度函数的熵来给出最优分割。熵的最小化使用了一种快速的水平集方案,这种方法并不依赖于学习阶段的数据,是无监督的,根据数据的信息内容自动调整内部一些重要参数。     

新型的无监督纹理分割方法

提出了一种利用Gabor滤波器组对图像进行纹理特征提取,然后将这些特征向量作为外部刺激输入给PCNN对图像进行分割的新方法。该方法既保持了精确的分割结果,同时又解决了Gabor滤波器运算数据量大处理速度慢的问题。从实验结果可以看出,该方法与传统采用Gabor的纹理分割方法相比速度有很大的提高,而其分割精度与传统分割方法相似。     

基于神经网络与遗传算法的纹理图像分割

运用两维自动回归模型、分形维数、均值和方差从每一小区域的数据中抽取纹理特征，把纹理特征作为自组织特征映射神经网络的输入层进行训练确定最优的纹理区域分割数，最后运用遗传算法优化图像分割。实验结果证明神经网络和遗传算法相结合能有效地分割纹理图像。     

一种基于视觉感和特性及IFKCN的图象纹理分割方法

提出了一种基于视觉感知持性及改进的模糊Kohonen聚类网络的图象纹理分割方法,它由2D最佳正交极可分方向滤波器特征提取,特征图象的四叉树平滑,改进的模糊Kohonen聚类网络（IFKCN）特征聚类及边缘确定四部分组成。最后给出了实验结果。     

方阵的张量积、外积及n~p阵

张量积、外积这两种运算对一般方阵已经不封闭．将矢量的外积与张量积的概念推广到矩阵中,在给出ｎｐ阵的概念的基础之上,证明了方阵的张量积、外积的性质,从而得知在ｎｐ阵构成的集合内,这两种运算仍然封闭．     

基于LBP驱动的区域围道纹理分割模型

纹理分割是图像处理的难点之一。针对此问题,提出了一种基于局部二进制模式(localbinary pattern,LBP)驱动的区域围道分割模型。该模型首先将均匀模式的思想用于LBP/C算子,使纹理模式的数量减少了77%,明显降低了提取纹理特征所需的时间;其次对无边缘活动围道模型进行了改进,使其能用纹理特征来演化曲线或曲面分割纹理图像;然后用多级分层的策略对提出的模型进行了延拓,可用于分割多类目标的图像,避免了多相位模型初始围道难以选择的问题,提高了模型收敛的速度;最后运用AOS(additive operator splitting)算法以改善模型求解的效率,进一步提高了图像分割的速度。对合成纹理图像和遥感图像的实验结果说明,提出的分割方法具有分割速度快、精度高的优点。     

采用纹理分析的运动人体阴影分割方法

研究采用纹理分析的方法来消除由光照产生的人体阴影,进行人体阴影分割,首先采用混合高斯模型对运动人体前景及背景进行提取,主要研究采用多尺度小波分解来提取运动人体背景及前景纹理及颜色特征,建立基于像素的纹理及颜色特征向量,并采用支持向量机对特征向量进行分类,如前景像素点特征向量与对应的背景像素点特征向量一致时,可判定为阴影区域。结果表明:采用此纹理分析方法可很好地分割出阴影区域,并且光照变化及采集图像时的颜色偏差对阴影提取几乎没有影响。