基于Contourlet变换和支持向量机的纹理识别方法

针对变换域中图像纹理识别时如何选择最佳特征向量的问题,利用Contourlet变换的多方向、多尺度选择性和各向异性,将图像从空间域变换到频率域,全面地提取了Contourlet变换分解后低频子带、中频子带和高频子带的特征,输入支持向量机(SVM)分类器进行分类识别。利用Brodatz纹理库进行仿真实验,实验结果表明低频均值方差和高频能量作为组合特征时识别准确率可达98.75%,且特征向量维数少,是在Contourlet变换下表示图像纹理的最优特征。     

基于双密度Contourlet变换的图像检索

提出了一种新的双密度Contourlet变换,理论证明该变换在L2(Z2)空间是框架算子,具有较低平移敏感性和多方向分辨能力的优点。纹理图像在该变换域的高频方向子带系数分布符合广义高斯分布,可以利用广义高斯参数估计表征图像高频子带的纹理特性;针对变换域的低频子带,采用局部二值模式(LBP)提取图像的局部纹理特征。基于内容的图像检索实验表明,所提算法检索精度比传统Contourlet变换算法提高了5.3%。     

一种利用非下采样Contourlet变换的纹理检索方法

为提高基于内容的图像检索系统中纹理特征提取的有效性,提出了又一种纹理图像检索方法。该方法利用非下采样Contourlet变换对图像进行分解,提取不同子带和不同方向变换系数矩阵的均值和方差为特征向量,作为数据库中纹理图像的索引,并利用两种不同的相似度函数计算图像之间的相似度,建立了一套基于示例查询图像的纹理图像检索系统。实验结果表明,与小波包等特征提取方法相比,该方法不仅能降低特征向量维数,而且能取得更高的检索准确率和检索速度。     

新的纹理图像特征提取方法

提出了一种新的基于非下采样Contourlet变换的纹理特征提取方法.首先对纹理图像进行非下采样Contourlet变换,然后提取不同尺度、不同方向上变换系数矩阵的均值和方差作为特征向量,大大降低了特征维数,并利用BP神经网络进行训练和仿真,实现了纹理图像的自动分类.实验结果表明,与小波包变换和改进的LBP纹理算子等方法相比,该方法能取得更好的分类效果.     

基于非下采样Contourlet变换的方向Teager能量的极化SAR图像融合*

提出一种基于非下采样Contourlet变换和方向Teager能量的极化SAR图像融合算法。采用具有多尺度、多方向和平移不变性特点的非下采样Contourlet变换对多个单极化强度图像进行分解,然后高频子带图像分别按行和列进行Teager能量计算,选取Teager能量作为度量来提取区域边缘与纹理信息。对于低频系数采用平均融合算法,根据高频子图Teager能量分布差异,对于方向高频系数采用不同最优加权算法实现极化图像的融合处理。实验结果表明,提出的算法与PWF算法相比在保留原始图像边缘和纹理信息的同时,可以有效地抑制相干斑噪声的影响,取得较好的融合视觉效果。     

基于纹理特征定位的数字图像水印算法

提出一种基于图像纹理特征锁定水印嵌入位置的水印算法。利用Canny算子在非采样Contourlet变换最高阶方向子带内筛选图像的纹理特征,将强纹理特征的位置作为水印嵌入的索引点。对非采样Contourlet变换的低频子带进行一级小波分解,在小波细节子带上分割N个圆环(N为水印信息长度)区域,根据索引位置在每个圆环区域内自适应地重复嵌入水印。仿真实验表明,该算法不仅具有较好的透明性,而且对图像处理和几何攻击均具有较好的鲁棒性。     

一种改进的Log-Gabor滤波和SVM的虹膜识别方法

特征提取和分类是虹膜识别中的关键部分.由于小波分解后的低频子带包含了虹膜图像的主要信息,而Log-Gabor滤波能有效地提取出图像的纹理信息,将这两种方法结合是一个提取虹膜识别信息的有效途径.本文先对归一化的虹膜采用小波变换的方法细分图像,再用Log-Gabor滤波器对低频通道的子带图像进行更进一步的特征提取并量化,形成特征码本,最后采用支持向量机的分类器来进行分类.实验结果表明,分类器能很好地分离各类虹膜,识别率提高到了99.6%,等错率则降低为0.3%,比传统汉明距的分类方式有更优异的性能.     

一种改进Log-Gabor滤波的虹膜识别算法

研究虹膜识别问题,由于在图像采集过程中,噪声影响准确性,为提高虹膜识别准确率,针对一维Log-Gabor滤波特征提取方法丢失二维信息的缺陷,提出一种改进Log-Gabor滤波的虹膜识别算法。首先采用小波变换对虹膜图像进行分解,获取虹膜图像低频子带信息,然后采用不同方向尺度的2维Log-Gabor滤波器组提取虹膜纹理特征,最后采用支持向量机对生成的虹膜特征码进行匹配。采用CASIA和UBIRIS虹膜库对算法性能进行测试,测试结果表明,改进Log-Gabor滤波的虹膜识别算法提高了虹膜识别准确率,加快识别速度,更加适合于实时虹膜识别,为虹膜准确识别提供了依据。     

基于能量补偿和特征加权的虹膜特征提取算法

Contourlet变换不同子带的特征提取能力存在差异。针对该问题,提出一种基于能量补偿和特征加权的虹膜特征提取算法。采用正交图像对原图像进行能量补偿,利用广义高斯分布估计各子带数据的权值,为分类能力强的特征量赋予较大权值,以充分使用样本的统计信息高效地提取特征。实验结果表明,该算法的虹膜识别率较高,鲁棒性较强。     

基于Contourlet的中低码率图像质量可分级编码算法

首先对图像Contourlet变换各子带系数的分布情况进行了统计分析,进而给出了一种基于Contourlet变换的空间方向树结构,并统计验证了该空间方向树的"零树"特性.同时针对图像Contourlet变换各子带"重要系数"的分布情况提出了一种基于图像Contourlet方向子带的多尺度量化方案,该方案对图像的边缘方向信息和纹理信息具有很好的捕捉能力,在此基础上提出了一种基于Contourlet变换的嵌入式图像质量可分级编码算法,该算法除了具有一般基于小波变换的零树编码方法的特性外,还具有方向性和各向异性的特点,其解码图像在中低码率下无论是PSNR还是纹理和边缘区域的视觉效果均优于SPIHT算法.实验结果验证了所提出算法的有效性.     

The visual quality recognition of nonwovens using a novel wavelet based contourlet transform

In this paper, a novel wavelet based contourlet transform for texture extraction is presented. The visual quality recognition of nonwovens based on image processing approach can be considered as a special case of the application of computer vision and pattern recognition on industrial inspection. For concreteness, the method proposed in this paper can be divided into two stages, i.e., the feature extraction is solved by wavelet based contourlet transform, which is followed by the grade recognition with support vector machine (SVM). For the texture analysis, we propose a novel wavelet based contourlet transform, which can be considered as a simplified but more sufficient for texture analysis for nonwoven image compared with version of the one introduced by Eslami in theory view. In experiment, nonwoven images of five different visual quality grades are decomposed using wavelet based contourlet transform with ‘PKVA’ filter as the default filter of Laplacian Pyramid (LP) and Directional Filter Bank (DFB) at 3 levels firstly. Then, two energy-based features, norm-1?L ¹ and norm-2?L ², are calculated from the wavelet coefficients at the first level and contourlet coefficients of each high frequency subband. Finally, the SVM is designed to be a classifier to be trained and tested with the samples selected from the feature set. Experimental results indicate that when the nonwoven images are decomposed at 3 levels and 16?L ²s are extracted, with 500 samples to train the SVM, the average recognition accuracy of test set is 99.2 %, which is superior to the comparative method using wavelet texture analysis.     

基于小波-Contourlet变换的遥感图像融合

给出了一种新的基于小渡-Contourlct变换的融合多传感全色和多光谱影像的算法.由于Contourlet变换具有良好的多方向性和多尺度,所以它比其它方法更适应于进行遥感图像融合.对于小波-Contourlet变换后得到的低频和高频分量系数,采用平均法选择低频区域系数,选择区域"能量"较大的高频系数作为融合影像的高频系数.实验结果表明,基于所提出的小波-Contourlct变换的融合结果优于其它常用的融合方法.     

基于提升整数小波变换的虹膜识别

提出了一种基于小波提升方案的虹膜识别算法。与传统基于卷积的小波变换方法相比,该方法在特征提取上计算简单,运算速度快,而且实现的是从整数到整数的变换,更有利于虹膜信息的量化。先对虹膜图像进行提升整数小波变换,然后对子图进行量化编码得到特征,采用屏蔽了噪声位的汉明距来进行模式识别。实验结果表明,基于提升整数小波变换的虹膜识别方法在识别率和等错率方面都能达到好的识别效果,在特征提取速度上也得到了较大提升,更能满足实时性的要求。     

结合方向小波的多光谱与全色遥感图像融合算法

针对现有的遥感图像融合算法所得融合图像存在边缘清晰度不高与光谱保持能力较差等问题,根据方向小波变换的高效性与方向选择性,提出了一种结合方向小波的多光谱与全色遥感图像融合算法。该算法采用人眼的视觉特性首先对待融合图像进行预处理,并根据小波变换的分解特性,对低频子带小波系数采用基于能量比的图像融合规则,而对高频子带则采用基于纹理一致性的融合规则。实验结果表明:该算法能够在保留多光谱图像信息的基础上,得到清晰度较高的融合图像,其中对中等分辨率图像的融合处理效果最佳。     

基于小波包分解的虹膜识别算法

特征提取是虹膜识别的关键技术;由于虹膜图像具有丰富的纹理,提出了基于小波包分解的虹膜识别算法。小波包分解不仅包含了图像的低频部分而且还保留了高频部分,它能够有效地提取虹膜纹理特征,并按hamming距离对虹膜进行匹配。实验结果表明,该算法具有良好的鲁棒性。     

分块小波特征结合BP神经网络的虹膜识别方法

在对虹膜特征提取时,绝大多数方法是直接对虹膜归一化后的增强图像进行某种变换,为降低虹膜特征维度,同时保证识别效率,提出了对归一化虹膜径向折叠分块、环向周期分块再进行haar小波变换的方法,降低了虹膜区域对噪声的敏感性,在减少虹膜特征维度的同时,保证了虹膜有效特征不被中和。为进一步克服虹膜识别中对旋转的敏感性,采用了周期延拓的小波变换方式提取高频信息。最后利用BP（Back Propagation）神经网络的分类方法,将小波变换后的高频信息直接作为分类器的输入,进一步提高了虹膜识别正确率。实验表明,提出的方法特征点数低至120,正确识别率可达到99.48%。     

SAR图像的NSCT域自适应收缩相干斑抑制

提出了一种基于Nonsubsampled Contourlet（NSCT）变换域自适应收缩的SAR图像相干斑抑制算法。首先将SAR图像分解至NSCT域,其次对NSCT系数进行Pizurica自适应收缩。利用NSCT变换的良好的方向选择性及平移不变性,同时结合Pizurica自适应收缩的方向空间相关性及其局部噪声度量,自适应地得到各方向的高频子带系数对应的收缩因子,修正NSCT系数,最终将修正后的子带系数通过NSCT逆变换获得经过斑点噪声抑制的图像。实验结果表明,与小波域软阈值和Contourlet域软阈值算法相比,该算法在有效抑制SAR图像斑点噪声的同时能更好、更清晰地保持图像的边缘细节特征。     

基于Contourlet变换的遥感影像融合算法

针对目前最新发展的Contourlet变换能比小波变换更适合于进行多尺度边缘增强处理的特点，本文提出了一种新的基于Contourlet变换的用于融合遥感全色和多光谱影像的算法，分别对应于Contourlet变换后得到的低频和高频分量系数，结合小波变换采用了不同的融合规则．实验结果表明本文提出的融合算法能在保留多光谱影像光谱信息的同时增强了融合图像的空间细节表现能力和信息量，该算法是有效可行的．     

基于小波包变换的遥感图象融合

为了能够更好地把来自多传感器的图象信息综合起来，以提高对图象信息的分析和提取能力，在研究了小波包图象分析法之后，提出了一种基于小波包变换的图象融合方法，由于小波包变换能对图象进行多层次分解，包括对小波变换没有细分的高频部分也能进行进一步的分解，因此小波包分析能够为图象提供一种比小波多分辨分析更加精细的分析方法，利用此融合算法将由多传感器获得的同一目标不同波段的遥感图象和不同分辨率的遥感图象进行融合后得到的融合图象，能够很好地将源图象的细节融合在一起，通过与该融合图象进行主观与客观的评价比较，证明该融合方法可以获得更好的融合效果。     

改进的轮廓波图像匹配算法

与小波变换相比,轮廓波变换中LP滤波器的显著缺点是存在过采样和非正交特性。提出一种改进轮廓波变换方法,首先对待处理图像实施小波变换,然后对低频子带图像进行重建,可得到一个高频子带图像,使用滤波器组进行多方向划分。该方法既保持了临界采样又利于后面使用方向滤波器组来对高频部分进行方向划分。实验证明该方法的匹配效果优于小波变换及轮廓波变换。