基于改进GLCM和Tamura特征的工件表面粗糙度检测

由于使用图像法获得工件的单一纹理无法精确描述工件表面粗糙度,所以给出了通过改进GLCM(灰度共生矩阵)特征和Tamura特征的纹理提取算法,并通过建立纹理特征与表面粗糙度之间的模型关系定性评价工件表面粗糙度。首先对传统的GLCM加以修改,提出了增强的GLCM(ET-GLCM)算子,提升了GLCM的尺度不变性和旋转不变性,并经过对比实验证明ET-GLCM有较强的鲁棒特性;然后创建了支持向量机检测模型,测量不同粗糙度等级的工件表面图像。以工件表面图像的纹理特征参数为输入,对应的工件表面粗糙度Ra为期望输出,从而完成工件表面粗糙度的检测。通过实验验证支持向量机检测模型的有效性,其检测结果相对误差不超过5%,绝对误差小于0.06。根据仿真对比实验结果表明,提出的方法具有较高的检测精度,可用于工件表面的粗糙度检测。

基于支持向量机的印板缺陷检测

印板在工业制造中会产生表面缺陷,对产品的外观和性能都有影响.目前没有针对印板缺陷检测相关产品,为了解决这一问题,设计一个系统能够自动检测印板缺陷.根据采集的样本,确定缺陷种类.提取印板缺陷的纹理、几何和Hu不变矩特征共计23种,确定15种特征作为印板缺陷分类的依据,并运用支持向量机(SVM)方法建模.经实验验证,该系统能对印板常见3类缺陷检测,准确率高,检测速度平均0.7 s/张.

Contourlet-SIFT特征匹配算法

基于局部特征的匹配算法中SIFT(Scale Invariant Feature Transform)算法性能好,应用广泛,但其描述子的维度高、匹配耗时大,对局部相似区域的匹配鲁棒性差。为此,该文提出一种Contourlet-SIFT特征匹配算法。在尺度空间下提取旋转不变特征,对特征及其邻域进行Contourlet变换,由各方向子带分解系数的均值和标准差构建全局纹理描述向量,根据向量间欧氏距离的大小进行特征点排序,选取距离较小的前1%的特征再进行SIFT最近邻比值匹配。实验结果表明该算法对亮度差异大、相似区域多的图像的匹配性能优于SIFT,在保证尺度、旋转、视角等不变性与SIFT相当的同时,匹配速度大为提升。

基于Gabor小波变换的医学图像纹理特征分类

Gabor小波变换技术对医学CT图像进行纹理特征分类时,由于图像拍摄角度的变化会造成分类的误差。针对以上问题,在Gabor小波变换的基础上提出一种用于分析旋转不变医学图像的方法。该方法采用旋转规范化,即特征元素的循环移位使规范化后所有的图像都具有相同的主方向。实验结果表明,加入旋转规范化循环算子的Gabor小波变换在医学CT图像纹理特征分类时能够达到较好的精确度。

利用小波进行基于形状和纹理的图像分类

提出一种基于小波的形状和纹理联合特征的图像分类方法。先对图像进行二维小波变换以得到边缘图像,再提取边缘图像的7个边界不变矩组成图像的形状特征向量;在实验中,发现大多数情况下,图像背景的干扰信息大于其对分类的贡献,因此对图像去除其背景,然后在灰度共现矩阵的基础上,计算5个二次统计量作为其纹理特征;最后联合形状和边缘特征向量,并对其进行高斯归一化,用SVM进行分类。结果表明,该方法具有明显的优越性和较强的实用性。

基于特征融合的水下目标识别方法

针对传统Hu氏不变矩易受摄像头径向畸变影响造成水下目标识别率低的问题,提出一种基于改进的Hu氏不变矩提取形状特征的方法,该方法依据摄像头的径向畸变模型重新恢复目标像素坐标与其灰度值的映射关系,构造出新的具有平移、缩放和旋转不变形的形状特征向量.同时为消除形状特征向量信息间的冗余问题,根据相关向量线性组合不改变向量自身性质的特点,提出一种基于相似度量准则进行对形状特征向量降维处理的方法.最后针对直接组合向量使得各特征权重一致而造成的识别率低的问题,给出了一种线性加权求和进行形状特征和纹理特征融合的方法.水下目标识别实验结果表明,该识别方法能够克服水下图像失真、信息冗余等不利因素,有效提高水下目标识别准确率.

基于BoF模型的多特征融合纹理图像分类

针对特征词袋(BoF)模型缺乏空间和几何信息,对纹理图像内容表达不明显等问题,提出一种基于BoF模型的多特征融合纹理分类算法。将灰度梯度共生矩阵(GGCM)和尺度不变特征转换(SIFT)融合特征作为纹理图像的区域特征描述,通过动态权重鉴别能量分析进行最优参数特征选择,并用BoF量化纹理特征,使用支持向量机对图像进行训练和预测,得出分类结果。实验结果表明,本文算法对有旋转扭曲的纹理、边缘模糊纹理、有光照变化的纹理及杂乱纹理等均能取得较好的分类效果,相对于传统BoF模型及凹凸划分(CCP)方法等算法在UIUC纹理库上的分类正确率均有不同程度的提高,平均分类正确率分别提高12. 8%和7. 9%,说明本文算法针对纹理图像分类具有较高的精度和较好的鲁棒性。

绝缘子图像的多种特征提取技术的研究

绝缘子是输电线路中的重要组成部分,它是否正常运行影响到电力系统的安全。文章提出了利用机器视觉的方法提取绝缘子图像的特征值,为绝缘子检测和识别提供信息。首先利用像素统计法对实际绝缘子图像进行分割,然后利用灰度共生矩阵提取图像的纹理特征,利用二值图像提取不变矩特征。最后,利用图像局部性质,计算图像的几何特征值,提取边界轮廓。

基于LBP和小波纹理特征的室内室外场景分类算法

室内室外场景识别是图像处理的基本问题之一。对此问题提出了一种不需要图像分割和目标识别的方法。首先,利用小波变换对原图像进行五层小波分解,然后用旋转不变的LBP(local binary pattern)算法对第二层至第五层的LL子图提取纹理特征,再计算第二层和第一层LH,HL,HH子图的能量均值和方差,最后连接这两个过程形成的低维特征向量进行室内室外图像场景分类。实验结果表明此算法分类效果比较好,且识别室内室外场景并不需要目标形状等局部详细信息,只需要图像模糊化的全局纹理信息。

高效的光照、旋转、尺度不变纹理分类算法

纹理图像中存在的光照、旋转、尺度变化使纹理分类成为一个极具挑战性的问题.针对传统的纹理分类算法在同时解决光照、旋转、尺度变化问题和实时性方面存在的不足,提出一种高效的光照、旋转、尺度不变纹理分类算法.首先利用原始图像及其2次高斯滤波图像构造尺度空间,采用带邻域主导方向的完备局部二值模式算法在不同尺度上提取光照、旋转不变的纹理特征;然后利用跨尺度取模式最大值的方法获得尺度不变的纹理特征;最后利用最近子空间分类器进行分类.在5个有代表性的纹理库上进行实验的结果表明,该算法不需要预先学习,能较好地解决纹理分类中的光照、旋转、尺度变化问题,并具有较高的实时性.

旋转不变广义粗糙度特征结合自适应加权距离在纹理检索中的应用

针对图像检索时的旋转问题,提出了一种基于Gabor分解的旋转不变广义粗糙度纹理描述子和一种自适应加权距离准则。首先,计算Gabor分解子带的幅度和频率谱,依据多尺度空间局部能量分布、Hurst分形指数、方向差别来计算纹理特征向量;然后采用自适应加权距离作为相似性准则。分别采用旋转纹理库和普通纹理库进行仿真实验,仿真实验结果表明,该算法在两种情况下都取得了较好的检索效果,算法对图像的旋转具有较好的鲁棒性。

基于纹理特征的火箭目标跟踪方法

为解决姿态剧烈变化的火箭目标跟踪问题,提出了一种新的基于纹理特征的跟踪方法。相对于传统的模板匹配方法,这种方法能对助推器和子级分离的捆绑式运载火箭进行跟踪。在对火箭目标特性进行分析的基础上,采用局部二值化模式(LBP)纹理特征结合Hu不变矩特征描述进行跟踪。跟踪过程中特征匹配采用简单的相似性度量准则,实时模板更新算法为加权更新。测试结果表明,这种方法对发生位移、旋转和尺度变化的火箭目标同样具有比较好的跟踪效果。

基于Curvelet-散射特征的图像纹理分类

在二代曲线波的基础上,提出一种旋转不变曲波特征,然后结合具有平移不变性和Lipschitz连续性的散射向量特征用于对纹理图像的分类研究。通过系统分析以及严格实验可以得出,旋转不变曲波纹理特征优于广泛使用的Gabor纹理特征,且Curvelet-散射组合特征在纹理分类上具有很高准确率以及计算纹理特征的效率,和单一的散射特征相比,具有一定的优势。

基于小波的综合特征图像检索

针对单一视觉特征图像检索效果不够理想的问题,本文以小波变换为基础,提出了一种综合利用纹理,形状和空间特征共同进行检索的方法。实验结果表明,综合特征检索要比单一特征检索更符合人的视觉感受要求,因而检索效果更好。

基于扩展Shearlet变换、Krawtchouk矩和SVM的储粮害虫分类

为了进一步提高储粮害虫的识别精度,以便更有效地防治储粮害虫,提出了一种基于纹理和形状综合特征及全局混沌蜂群优化支持向量机(SVM)的储粮害虫分类方法。首先对储粮害虫图像进行扩展Shearlet变换,利用变换系数得到能量分布均值,加权后的能量分布均值构成纹理特征向量,用Krwtchouk矩不变量描述储粮害虫的形状特征;然后将纹理特征向量和形状特征向量分别归一化,两者结合构成储粮害虫的综合特征向量;最后用全局混沌蜂群算法优化SVM的核参数与惩罚因子,并应用参数优化的SVM进行分类。结果表明:与基于Gabor小波和支持向量机方法、基于Krawtchouk不变矩和支持向量机方法相比,本方法提取的储粮害虫特征信息更加完整,识别率更高。

基于旋转不变U变换的纹理图像分类

消除旋转影响是纹理图像特征提取及分类的关键问题之一.文中基于一类正交分段多项式函数系——U系统,提出一种纹理图像分类算法.首先通过U系统函数与三角函数的张量积定义了一类单位圆盘上的U调和基函数;基于该基函数,提出了图像的旋转不变U变换RIUTs,并在此基础上构造了具有平移、旋转及缩放不变的纹理图像描述子,从而得到纹理图像的特征向量.RIUTs既可以消除图像旋转的影响,又特别适合纹理图像特征提取.在通用纹理数据库中的纹理图像分类实验结果,表明了文中算法的优越性能.

基于NSST和RI-LPQ的纹理图像检索

针对采用单一方法提取图像特征时检索率不高的问题,结合非下采样剪切波变换(NSST)统计特征和旋转不变的局部相位量化(RI-LPQ)原理,提出一种纹理图像检索方法。非下采样剪切波不仅具有方向选择性及平移不变性,而且可以对图像进行有效的稀疏表示,与传统小波相比,可有效捕捉图像的边缘轮廓等纹理信息,与非下采样轮廓波相比,具有更高的计算效率。利用广义高斯分布函数对图像NSST高频子带系数的统计特征进行分析,RI-LPQ描述算子直接提取图像特征,采用具有权重系数的相似性测度公式对Brodatz图像库进行纹理图像检索。实验结果表明,与传统小波和轮廓波的方法相比,NSST统计特征方法的平均检索率分别提高4.77%和1.44%,纹理图像检索方法的平均检索率分别提高7.36%和1.98%。

尺度及旋转不变纹理图像检索

针对图像检索时常见的尺度及旋转问题,本文提出了一种基于双树复小波变换的尺度及旋转不变纹理图像检索方法。对图像进行尺度变化的预处理,对原图像和变化后的图像分别进行DT-CWT后,提取纹理特征并插值为特征矩阵;分别在尺度维和旋转维上进行FFT消除尺度和旋转变换影响,得到尺度和旋转不变的特征向量;采用Canberra距离进行相似性度量。通过对尺度及旋转变化的纹理图像库的实验表明,该方法对图像的旋转和尺度变化具有较好的鲁棒性。

改进的Gabor变换图像纹理特征提取方法应用研究

提出一种具有近似旋转不变性的改进Gabor小波变换纹理特征提取方法,由小波变换系数模的均值和标准方差组成特征向量表示图像内容,利用10幅B rodatz纹理图像经过旋转、分割组成的图像数据库进行了检索测试,并与传统Gabor变换和二元树复小波变换特征提取方法的分类结果进行了比较分析,实验表明本文方法有效地提高了图像检索精度.

基于灰度共生矩阵的旋转不变性改进算法

基于灰度共生矩阵纹理特征提取算法,提出了针对其旋转不变性的改进算法。引入"伪像素点"的概念,使用"伪像素点"进行像素对灰度值统计,提高了纹理特征旋转不变性;在原始算法四个方向的基础上,增加了四个方向,使得纹理特征旋转不变性进一步提高。使用公共图像库对原始算法及两种改进算法进行实验比较,结果表明。