基于多尺度Laws纹理能量和低秩分解的织物疵点检测算法

为提高织物疵点检测算法对简单纹理织物、模式纹理织物及条纹纹理织物检测时的普适性和准确性,提出了一种基于多尺度Laws纹理能量和低秩分解的织物疵点检测算法。首先,对织物图像进行直方图均衡化并将处理后的图像均匀划分为子图像块;其次,对每个子图像块提取28个纹理能量特征(利用7个Laws滤波模板在4个尺度上提取),计算所有子图像块提取到的特征均值并组成特征矩阵;然后,利用特征矩阵构建低秩分解模型,通过方向交替方法(ADM)优化求解,得到低秩部分和稀疏部分;最后,由稀疏部分生成疵点显著图,采用迭代阈值分割法对其进行分割,得到织物疵点检测结果。为验证该算法的有效性,在织物图像数据集选取了包含错纬、断经、跳花、破洞等常见疵点的织物图像,并将实验结果与已有3种算法进行了对比。实验结果表明,该算法在简单纹理织物、模式纹理织物及条纹纹理织物检测上具有更好的普适性和准确性,且检测效率具有一定优势。

基于小波变换的Laws纹理测度在植被分割中的应用

针对从全色航空影像中进行植被区域提取的随机性和复杂性,阐述了一种基于小波的Laws纹理测度进行植被提取的新算法,它的特点是先用小波变换将图像变换到不同的尺度层上,然后再在多尺度层上提取Laws纹理测度,形成植被区域的特征.与传统的植被提取方法比,它用到了不同频率上纹理的Laws信息,从而更准确的刻画了植被区域的纹理特征,试验结果表明:基于小波变换的Laws纹理测度对植被有较好的分割效果.

Laws纹理能量结合灰度共生矩阵的遥感影像面状地物提取

针对遥感影像中纹理较复杂的面状地物提取问题,提出一种Laws纹理能量结合灰度共生矩阵的遥感影像面状地物提取方法。该方法首先利用数学形态学膨胀、腐蚀对影像进行预处理;然后,分别对影像进行直方图均衡化,利用4个微观滤波算子滤波生成4幅微纹理影像;计算影像4个方向灰度共生矩阵及每个共生矩阵的4个纹理测度,生成4幅纹理影像;最后,结合8幅纹理影像进行区域生长跟踪轮廓。

Laws纹理模板在立体匹配中的应用

立体匹配一直是计算机视觉领域的一个中心问题,基于区域整体匹配算法较好地解决了纹理单一区域的立体匹配问题,其关键步骤是纹理单一区域的分割和匹配。针对纹理单一区域的特点,提出利用Laws纹理模板对图像纹理特征进行分析描述,然后进行基于直方图的分割,得到纹理单一区域。对于各种场景图像,通过分析比较各种Laws纹理模板组合,能够得到最好的分割效果。在国际标准图像上测试的实验结果表明,相对于灰度共生矩阵描述纹理单一区域和基于区域生长的方法,该方法能提高纹理单一区域的识别率和分割阈值选取的稳健性,这有助于提高基于区域整体匹配算法的匹配精度和实用价值。

基于颜色和纹理的森林影像分割方法

提出一种基于影像颜色散度和纹理信息的森林影像分割方法。对输入影像进行颜色量化,然后利用量化得到的索引矩阵计算各像素的颜色散度;基于多分辨率策略进行纹理分析,通过区域生长形成初始分割区域;统计各区域Laws纹理能量,合并过分割区域。实验表明,森林影像的分割结果与人的主观视觉感知具有良好的一致性,识别出的地面和树木可为匹配和三维建模提供可靠依据。

基于纹理特征驱动AdaBoost算法的海面场景分类

为提高红外成像系统对场景的感知能力,对海面场景分类进行了研究,提出了一种基于纹理特征驱动Ada Boost算法的海面场景分类方法。该方法首先提取图像的纹理特征,然后引入Ada Boost算法进行最优特征选择,构建强分类器,最后通过二叉树结构实现对海面场景的多分类。实验结果表明:该方法适应能力强,对多种复杂的海面场景分类效果好。分类结果可为目标检测算法的选取以及复合制导的综合决策提供依据。

基于纹理测度与自适应阈值的FCM图像分割算法

图像分割是模式识别、图像理解、计算机视觉等领域的重要研究内容.基于模糊C均值聚类(FCM)的图像分割是应用较为广泛的方法之一,但其存在抗噪能力差、收敛速度慢等不足.本文以FCM理论为基础,提出一种基于纹理测度与自适应阈值的图像分割算法.该算法首先根据图像局部相关特性,利用Laws纹理测度提取图像特征,并进行图像的FCM初分割;然后结合Otsu准则(最大类间方差法),利用FCM自适应确定阈值,并对初分割结果进行区域合并.仿真实验表明,该图像分割算法的分割结果与人类视觉感知系统具有良好一致性,其不仅能够有效抑制背景噪声,而且提高了图像分割速度.

基于火焰图像特征与GRNN的转炉吹炼状态识别

随着转炉冶炼过程的推进,炉口火焰图像在不同的冶炼阶段呈现较为明显的差别。根据火焰图像判断冶炼所处阶段的问题,其关键在于如何准确提取火焰的主要特征,提出了火焰边缘线不变矩特征,火焰图像Laws纹理能量特征,以及图像色彩特征,并研究了它们的变化过程。最后,利用广义回归神经网络(GRNN)建立图像特征和冶炼阶段之间的分类模型。实验结果表明,该方法能有效进行基于图像识别的转炉冶炼状态判断,具有较高的实用价值。

基于特征散度的自适应FCM图像分割算法

图像分割是模式识别、图像理解、计算机视觉等领域的重要研究内容。基于模糊C均值聚类(FCM)的图像分割是应用较为广泛的方法之一,但其存在距离测度鲁棒性差、需预先给出初始聚类数目、未考虑图像局部相关特性等问题。为克服上述缺点,通过引入特征散度进行距离测度,并结合聚类有效性指数自适应确定初始聚类数目和根据Laws纹理测度提取图像特征等措施,提出了一种新的FCM图像分割算法。实验结果表明,该新算法可以有效地提高图像的分割效果(特别是纹理图像),其分割结果优于现有FCM图像分割方案。

基于灰度—梯度共生矩阵的植被提取方法

在灰度共生矩阵的基础上融入梯度信息,提出灰度—梯度共生矩阵模型,再结合Laws纹理能量测度算法对植被进行提取,得到了较好的实验结果,可应用于遥感影像中的植被监测。

基于BEMD的疲劳断口图像分割

疲劳断口图像的纹理具有多样性,对多种纹理混合在一起的纹理图像分割是一大难点。基于二维经验模式分解提出了一种新的疲劳断口图像的分割方法。对图像进行BEMD分解后提取本征模式函数bimf中的纹理能量作为特征:首先,对疲劳断口图像进行BEMD分解,得到一系列的本征模式函数bimf和残差函数;然后,采用Laws纹理能量描述方法分别对bimf和残差提取纹理能量作为特征分量;最后,在最近邻准则下对所得特征分量进行分割。通过对比经典的傅立叶方法,断口图像的分割结果表明该方法对疲劳断口图像的分割具有较好的效果。

低对比度医学图像全自动分割算法

由于医学图像的对比度较低以及各种组织器官的边缘往往较为模糊,医学图像的分割是医学图像处理中的一个经典难题。如果能将各种分割对象的先验信息加入到分割算法中,将会改善分割效果。针对CT图像中的前列腺器官分割问题,利用水平集函数获得初始分割轮廓,结合从手工分割图像中获得的形状和纹理先验信息,采用遗传算法来演化分割轮廓。仿真实验结果证明该方法能有效地分割出低对比度的医学器官。

基于间隔棒跟踪的输电线舞动检测

针对输电线舞动危害电力系统安全、稳定运行的问题,提出一种基于间隔棒跟踪的输电线舞动检测方法;利用纹理、灰度分布等特征分割出天空区域,结合穿线法和旋转投影实现输电线的精确定位;采用滑动窗口遍历输电线,并根据窗口内投影曲线的Laws纹理能量值检测间隔棒;通过跟踪摄像头获取的输电线视频信息中的间隔棒并生成其运动轨迹,计算输电线舞动幅值和频率,进而判断输电线舞动。结果表明,该方法在八分裂间隔棒的输电线上的检测准确率、误报率、漏报率分别为96.9%、3.12%和3.03%,能够有效地检测输电线的舞动。