基于灰度共生矩阵的纹理特征

纹理特征是一个很重要的,也是很常见的特征。基于灰度共生矩阵的纹理分析方法在许多方面的应用已经取得了很大的成功。但是,许多情况下,人们并没有将它用于纹理图像分割,而更多的用于图像分类。由于它在纹理图像分类任务中取得了不错的效果,因此在本文的方法中,我们将采用灰度共生矩阵作为我们的纹理特征。     

基于共生矩阵的图像纹理特征提取及应用

纹理分析是计算机视觉的一个重要研究方向.讨论了基于灰度共生矩阵(Co-occurrence M atrices)纹理特征提取方法,并简要介绍了基于图像纹理特征的图像工程应用.     

面部图像纹理特征检测方法研究

传统面部图像的特征检测主要针对于灰度图像和二值图像,目前国内对于面部彩色图像（尤其是高清面部彩色图像）纹理特征的研究还处于起步阶段。针对于面部区域彩色图像特征,通过采集不同测试者早（健康状态）、晚（疲劳状态）大量面部彩色图像,据此建立面部图像数据库,划分数据库为P（疲劳图）、Z（正常图）、R（结果）三类。利用共生矩阵算法求得最大特征区域的纹理特征向量,用对比统计得到的数据测定正常与疲劳面部图像特征值的差别。实验结果表明,面部彩色图像的纹理特征反映了图像本身的属性,进一步描述了图像的细节信息,具有计算量小的特点。     

基于纹理特征的一种图像检索方法的实现

提出了一种基于纹理特征的“区域－图像”的检索方法，该方法包括两种基本的技术：一是利用共生矩阵提取六种不同的纹理特征；二是利用归一化相关的方法进行纹理特征向量的相似性度量。通过实验，证明了该方法可以产生比较满意的检索结果。     

基于灰度共生矩阵的肝脏CT图纹理特征分析

提出了一种改进的灰度共生矩阵肝脏CT图纹理特征分析方法,即首先确定图像ROI区域,接着构造一个新的能综合反映共生矩阵各角度信息的灰度共生矩阵,然后提取基于该矩阵的纹理特征参数。通过实验验证,上述方法是分析肝脏CT图的一种快速有效的纹理特征分析方法,对其他特定类别图像的纹理特征分析有参考意义。     

多特征融合的农作物病害图像识别

病害对农作物的产量和质量造成了严重的影响.以往对病害的检测主要依靠人工完成,存在较强的主观性,且滞后严重.为了实现农作物病害的自动以及智能检测,基于计算机视觉,提出多特征融合的病害识别方法.提取农作物图像的局部二值化模式和灰度共生矩阵特征,分别输入支持向量机分类器并做分数级融合,进而分类识别,探讨多特征融合对于病斑信息...     

基于非下采样轮廓波变换与数学形态学方法的图像边缘检测(英文)

提出了一种新的图像边缘检测算法,该算法融合了非下采样轮廓波变换与数学形态学方法来实现图像的边缘检测.首先,源图像被非下采样轮廓波变换分解成多尺度、多方向子带;然后,分别采用双阈值模极大值算法和数学形态学方法提取高频与低频子带的边缘信息;最后,综合高频、低频子带边缘信息,得到源图像全部的边缘信息,并进行细化,剔除孤立点,获得源图像的边缘.仿真实验结果表明:新算法能够有效抑制噪声,去除伪边缘,一定程度上克服了光照不均引起的不良影响;与传统经典算法LoG,Sobel和Canny及模极大值方法相比,该算法能保持足够的定位精度和边缘细节,且边缘轮廓的完整性、光滑度、清晰度等得到明显提升.     

融合纹理和形状特征的人脸图像性别识别

针对人脸图像性别识别中单一特征识别率不高的问题,提出了融合纹理特征和形状特征的人脸图像性别识别方法.通过局部二值模式(LBP)及其改进算法提取人脸图像的纹理特征,梯度直方图(HOG)提取人脸图像的形状特征,融合两个特征利用Adaboost分类器进行人脸图像的性别分类.在ORL人脸数据库和自制人脸数据库CZB上的实验结果表明,相对于直接利用像素特征和单一特征的识别方法,融合多特征的人脸性别识别方法的识别率明显提高.     

基于NSST和区域生长的红外与可见光图像融合算法

针对当前红外与可见光图像融合中红外目标提取信息度不足和灰度对比度较低的问题,将多尺度多方向变换技术与目标提取技术相结合,提出了1种基于非下采样剪切波变换(non-subsampled shearlet transform,NSST)和区域生长的红外与可见光图像融合算法。首先对红外图像运用区域生长法提取出目标区域并投影到可见光图像中,然后对映射图像与红外图像做NSST分解得到各尺度各方向的子带图像。低通子带融合系数的选择采用基于区域能量的加权平均法,高频子带系数的选择采用基于改进型Sobel算子和区域平均梯度的融合规则。最后通过对融合系数做NSST逆变换得到期望的融合图像。实验结果表明,所提算法得到的融合图像红外目标突出,背景清晰,定位准确,平均灰度也更接近源可见光图像,具有良好的视觉效果。     

基于小波变换的二值模式检索

提出了一种基于小波变换后的二值模式图像检索.把图像库里的图像通过小渡变换压缩预处理,方便图像快速入库提取图像特征.选取二值模式技术处理,以便有效提取图像的特征进行检索.实验数据库采用Brodatz纹理图像库,对比了边缘拟合算法,共生矩阵和灰度纹理矩检索图像的检索效率,得出小波变换后的二值模式检索效率较高.     

融合颜色与LBP纹理特征的布料色卡图像检索

针对在采购与销售布料中存在人工配色不准确、查找分类难等问题,基于图像检索相关技术,通过融合布料色卡图像的颜色特征和纹理特征进行图像检索应用研究。设计了布料色卡图像颜色特征提取算法和基于LBP的纹理特征提取算法,并提出融合颜色特征和纹理特征的布料色卡检索算法。对提出的融合颜色和纹理特征的布料色卡图像检索算法在3个标准图像纹理库和实际布料色卡图像数据集进行了详细的对比测试。通过对测试结果的分析,得出在融合颜色和LBP纹理特征的布料色卡图像检索方法中采用先颜色后纹理的策略进行布料色卡图像检索是最有效的检索方案。     

NSCT的局部能量算法在图像特征检测中的研究

图像特征检测是图像处理的重要步骤,也是图像处理的重点和难点。大部分特征检测算法都是基于图像灰度幅值之间的差异,本文使用非下采样变换（NSCT）计算图像的局部能量从而检测图像的构建特征。这种算法可以检测多种图像特征,特别是在检测线性特征方面具有优势。由于NSCT没有使用下采样,这种算法具有平移不变性,更有利于对多幅图像进行处理。从试验结果可以看出相对于经典的canny算法和基于Gabor的算法,NSCT效果更好。     

基于级联特征分类器的行人检测算法

为进一步提升方向梯度直方图-局部二值模式(HOG-LBP)特征融合的行人算法在检测精度以及加快融合后的算法检测速度,提出了一种基于级联特征分类器的行人检测算法.计算样本集的方向梯度共生直方图(CoHOG)特征和鲁棒局部二值模式(RLBP)特征,使用这两种特征训练两种特征弱分类器,并将两种特征融合训练CoHOG-RLBP...     

改进局部灰度特征的工件亚像素级边缘检测

针对局部灰度特征方法在高噪声图像中定位精度低的问题,提出改进局部灰度特征方法并用于工件亚像素边缘检测。首先,使用改进的Canny算子代替基于一阶导数的梯度算子,以便更精确地提取粗边缘;然后在采集到的像素窗口两侧建立子图像,代替单个窗口特征以修改边缘上下两侧强度值,再将新构造的子图像中间列像素进行加权,加速图像迭代复原速度;最后,通过所有新生成的子图像局部灰度特征重新计算亚像素位置,进一步提高检测精度。实验结果表明,在无外加噪声和加入1.00%、5.00%的噪声标准偏差图像中,RMS误差明显降低,亚像素坐标数与定位精度明显提高。