基于纹理特征提取的多聚焦图像融合方法

针对多聚焦图像融合过程中可能出现的问题,如细节丢失、边缘伪影和区块效应等,提出了一种基于纹理特征提取的多聚焦图像融合方法。通过纹理特征提取算法获取图像纹理细节,用引导滤波对细节进行增强和细化处理。对滤波后特征图采用像素极大值策略生成初始决策图,利用小区域去噪方法得到准确的决策图。结合原始图像与最终决策图进行图像融合,生成全聚焦图像。结果表明,该方法融合的图像质量有显著提升,与其他方法相比,均方误差评价值降低了约37.14%,同时,基于归一化互信息度量、基于Tsallis熵度量和基于非线性相关信息熵度量的评价参数值分别提升了约26.1%、6.18%和13.2%。此外,该方法还可以充分保留图像细节信息且没有区块效应和边缘模糊的现象,具有较强的实际应用价值。

基于小波变换的图像纹理特征提取方法及其应用

针对瓷砖表面色差的在线检测问题,提出了一种基于小波变换的图像纹理特征提取方法。瓷砖图像经过预处理后,对图像各通道进行二层小波分解并提取各细节子图的能量特征。该能量信号融合了颜色和纹理的信息,将其作为区分不同色号瓷砖的特征量,并由最小距离分类器进行分类决策。实验结果表明,对比已有的研究中多采用的颜色直方图分布法,该方法能更好地反映颜色的空间分布信息,满足用户需求。

彩色图像颜色和纹理特征提取的应用算法

针对番茄缺素病叶片图像的特征提取问题,提出了不受对象形状、大小影响的彩色图像颜色和纹理特征提取的几种统计算法和图像数据间的相关系数法,其中纹理特征的提取是把图像的数据经傅立叶变换到频域中进行特征提取的。经实验验证,这些彩色图像颜色和纹理特征的提取方法对番茄缺素病的判别是较理想的。

图像纹理特征提取方法综述

纹理是一种重要的视觉线索,是图像中普遍存在而又难以描述的特征。纹理分类与分割是图像处理领域一个经久不衰的热点研究领域,纹理特征提取作为纹理分类与分割的首要问题,一直是人们关注的焦点,各种纹理特征提取方法层出不穷。在广泛文献调研的基础上,回顾了纹理特征提取方法的发展历程,分析了其研究现状,对纹理特征提取方法进行了较为全面的综述,对其进行分类和比较,最后给出了纹理研究领域的主要发展趋势。

基于纹理特征提取的图像分类方法研究及系统实现

深入研究灰度共生矩阵算法,结合和差统计法对其进行改进。编码实现改进的图像纹理提取算法,并采用基于径向基内积函数内核的支持向量机方法对图像分类效果进行实验。通过训练和测试证明,该系统能减少特征提取的计算时间和存储空间。

用于纹理特征提取的改进的LBP算法

针对现有的纹理特征提取方法计算复杂度高的问题,利用局部二值模式(LBP)算法思想简单、计算复杂度小的优势,在已有的完整LBP(CLBP)算法基础上,提出了一种改进的CLBP算法(ICLBP)。ICLBP算法保留了CLBP算法中CLBP_S,而对CLBP_M算子、CLBP_C算子进行了改进,提出一个新的纹理描述算子ICLBP_T。ICLBP算法更全面地描述了局部窗口的纹理特征,同时有效解决了CLBP算法中CLBP_M算子对灰度分布不均敏感的问题。通过对Outex、CURet数据库的数据分类实验,结果表明,相比于已有的LBP算法,ICLBP算法的分类精度有了明显的改进,同时ICLBP算法中ICLBP_SCT特征具有较低的特征维数,具有较好的实用价值。

基于CCHS的浮选泡沫图像纹理特征提取

为了快速、有效地获取图像的纹理特征,提出一种基于颜色共生混合结构(color co-occurrence hybrid structure,CCHS)的浮选泡沫图像纹理特征提取方法。该方法的步骤如下:首先,将泡沫图像从RGB空间转换到HSI空间并对各颜色分量进行量化,计算图像的颜色共生矩阵并将其正规化为三角矩阵;然后,利用CCHS算法提取图像的纹理特征;最后,分析矿物品位与特征统计量熵及新特征参数即纹理复杂度之间的变化关系。研究结果表明:适当提高颜色分量的量化级数能提高浮选泡沫图像纹理特征提取的精确度;利用CCHS算法提取纹理特征,降低了计算的复杂度;实验结果验证了该算法的有效性,表明它能更准确地对矿物品位进行调控,指导浮选工况。

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%。

一种新的浮选泡沫图像纹理特征提取方法

矿物浮选泡沫表面纹理与浮选工艺指标高低密切相关,为了准确获取泡沫图像纹理,在灰度共生矩阵方法的基础上提出一种新的浮选泡沫图像纹理特征提取方法。首先将泡沫图像进行颜色空间转换,对转换后的泡沫图像计算其颜色共生矩阵,然后从归一化后的颜色共生矩阵中提取特征统计量,最后根据特征统计量表征的泡沫纹理状况,设计有效描述浮选泡沫纹理的新特征参数——纹理复杂度。对所提出的方法进行了验证分析,定性地指出泡沫纹理复杂度与矿物品位的相关性,给出了浮选泡沫的最佳纹理复杂度区间,从而为浮选优化控制提供依据。实验结果表明,新方法有效,且优于以往的灰度共生矩阵纹理特征提取方法。

融合方向测度和灰度共生矩阵的纹理特征提取算法研究

为了解决提取图像纹理特征时所遇到的纹理方向抑制问题,提出一种融合方向测度和灰度共生矩阵的纹理特征提取算法。该算法通过灰度共生矩阵,提取图像的Haralick特征,其中包括对比度、相关性、能量、逆差矩等,然后利用方向测度引入权值因子,并将其与所提取的Haralick特征相融合,最后对融合后的各个分量进行高斯归一化处理,获取最终的纹理特征集。实验结果表明,与采用灰度共生矩阵方法相比,该算法可以有效的避免图像纹理方向的抑制,所提取的纹理特征具有更强的图像识别能力,对Brodatz标准纹理库分类的正确率也有一定的提高。

弹头发射痕迹纹理特征提取方法的研究

本文提出了基于小波分析技术的弹头表面纹理特征提取方法 ,对于传统小波分析的边界失真进行了讨论 ,提出了一种无损重构技术 ,该方法相对于以前所用的采取数据两端补零和两端对称延长的方法能够更好的消除边界失真。将该种方法用于弹头发射痕迹的纹理特征提取中 。

基于小波变换的浮选泡沫图像纹理特征提取

随矿物浮选工况的变化,精选泡沫表面出现亮度分布不均、灰度分布差异性大的特点,表现出明显的纹理特性。为定量分析精选泡沫表面纹理特征与浮选工况间的关系,采用小波变换方法提取纹理特征均匀度,实现精选泡沫表面纹理的量化描述,并通过实验分析,获得精选泡沫的最佳纹理区间。工业现场运行结果表明,该方法可以实时监视精选泡沫表面纹理特征变化,有利于浮选生产指标的优化控制。

改进的LFP算法在白细胞图像纹理特征提取与识别中的应用

研究了白细胞图像特征提取和分类识别方法,以提高白细胞图像的正确识别率.针对细胞纹理特征的提取,采用改进的局部模糊模式提取白细胞图像的纹理特征,通过对局部二值模式中阈值参量的模糊化,建立了基于局部模糊模式的纹理特征提取算法.算法中引入"统一模式"方法,使提取的特征维度降低为10,且具有旋转不变性.通过有向无环图方法建立支持向量机组合分类器,对CellAtlas的100幅白细胞图像进行了分类识别的实验.实验结果表明:改进的局部模糊模式算法精简了纹理特征数量,起到了"去伪存真"的作用,在含有噪音的白细胞图像分类识别中表现出优良的性能,使提取的特征具有更好的"鲁棒性",并且具有运行时间短、效率高的特点,白细胞的正确识别率达到了93%.改进的支持向量机分类器表现出高效的分类效果,对小样本分析具有更好的特性.

基于纹理特征提取的图像检索技术

主要从图像纹理特征入手,研究如何有效地抽取图像纹理特征对图像进行描述,基于抽取的特征对图像进行搜索,从而提高检索效率和检索性能。

双树复小波域基元共生矩阵的纹理特征提取方法

提出了一种双树复小波域基元共生矩阵的纹理特征提取方法。利用双树复小波域作为分析域,以纹理基元作为依据,来描述纹理的局部特征,提取图像纹理特征值。实验结果表明,该方法能有效提取出多尺度、多方向的纹理特征,并兼顾纹理局部随机性和整体规律性,所提取的纹理特征具有良好的聚类分离度和类内样本差异性。

基于PAAG的纹理特征提取算法的并行实现

针对多态同构阵列机,提出一种新的方法对计算视觉算法中的纹理特征提取算法进行并行处理。该方法在基于计算视觉标准OpenVX的基础上,将纹理特征提取算法的各步骤用OpenVX核函数进行实现,并构造出该算法的图模型,再将图模型利用OpenVX库函数映射到多态同构阵列机上进行并行处理。实验结果表明,该方法所实现的加速比按线性增长,纹理特征提取算法的执行效率得到显著提高。

基于CT图像的肾脏肿瘤纹理特征提取

目前计算机辅助检测肿瘤都是基于病变形态学变化的分析,且这些算法的效果难以满足现状。从这些算法所忽略的图像纹理特征出发,从不同病人的198张、5类不同的良恶性肿瘤的CT图像中,基于灰度共生矩阵和灰度梯度共生矩阵,综合考虑肾脏肿瘤没有明显方向性及细纹理的特性,并依据可区分性、唯一性、不相关性以及为避免后续肿瘤识别过程复杂化,通过分析作出了有效性选择,首次提取出最能体现5种肿瘤的27个特征并验证其有效性,作为后续计算机辅助识别肾脏肿瘤研究的基础。

基于多层理想滤波器的纹理特征提取方法

提出一种利用多层理想滤波器进行纹理特征提取的新方法,该方法克服了传统Gabor滤波器的带宽限制,避开了Gabor滤波器和Log Gabor滤波器构造过程中的复杂的参数计算,在保持同等性能的前提下,简化了问题。对多种纹理进行的特征提取和分割实验表明,该方法对纹理特征的捕获能力与Gabor、Log Gabor方法基本相当,提高了分割效率。

一种局部频域分析的多尺度纹理特征提取方法

在局部二进制模型和多分辨率分析的基础上,提出一种基于局部频域分析的多尺度纹理特征提取方法.对纹理图像采用局部圆形邻域作为局部模板进行局部频率变换,对各频段图像实现多分辨率分析,提取多尺度下的特征向量,结合SVM算法进行分类实验.结果证明,该方法在继承了LBP对光照因素具有的稳定性的同时,具有旋转不变性特征;利用NSCT在多尺度下进行的纹理特征提取也满足尺度不变性的需要,与其他方法相比提高了分类准确率.

基于NSST和MCM纹理特征提取算法

纹理特征提取作为图像处理的重要环节,对图像的后续处理有着至关重要的影响.文中在多分辨共生矩阵算法的基础上,针对标准Brodatz纹理图像检索,通过非下采样剪切波变换的多分辨共生矩阵和混合高斯模型相结合,提出了一种纹理特征提取算法.文中首先对Brodatz纹理图像进行非下采样剪切波变换得到子带系数,通过对细节子带直方图分析,引入了拟合效果较好的混合高斯模型.然后利用优化的非均匀量化策略,提取多分辨共生矩阵纹理特征F2和F10.最后将提取的纹理特征与统计特征级联融合并结合具有权重系数的相似性度量公式,用于最终纹理图像检索.仿真实验表明:与传统多分辨共生矩阵的方法相比,文中所提算法的平均检索率分别提高了2.01%和8.87%.