基于多特征图像显著目标的自动识别

现有的许多显著目标检测算法,大都依赖像素间的相互关系,而缺乏对焦点对象特征的理解.本文提出了一种无监督的显著目标自动识别算法.首先,应用具有仿生学特质的多尺度Gabor模型检测图像中的初级特征,构成显著目标的基本元素特征.在此基础上,结合显著目标的自身特性定义图像的局部特征,进一步确定感兴趣区域的位置.最后,在模糊阈值算法的基础上提出一种新的提取策略,并将其应用到由初级特征和局部特征构成的显著图上,从而准确地确定显著目标的位置.将此方法应用于具有不同特点的图像进行仿真实验,得到了较好的结果,证明该算法是切实可行的.

基于SVM的室外场景图像的景物识别

关于图像识别优化问题,针对在图像的处理中颜色、纹理等单一特征不能全面描述图像的问题,为了精确识别目标图像,提出一种颜色特征和纹理特征相结合的方法。采用基于RGB空间的颜色直方图和基于多通道Gabor滤波器分别对颜色特征和纹理特征进行提取,并对颜色与纹理特征进行外部归一化得到组合特征,并应用支持向量机法(SVM)对组合特征样本训练分类。实验结果表明,改进方法可以克服用单一特征分析图像的片面性,同时提取了理想的图像结构和光谱特性,可以在图像目标的识别和分类中取得较好的效果。

基于手写体的身份识别

以前许多文章曾介绍过一些基于手写体的书写人身份识别技术 ,其中多数都假设所写的文本是固定的。本文中 ,我们试图通过一种自动的不依赖文本的书写人识别的新颖算法 ,来消除这种假设。假定不同人的手写体存在明显的区别 ,我们采用一种综合方法 ,它基于纹理分析 ,每个人的手写体都被看成一种不同的纹理。原则上 ,我们可以采用任意一种标准的纹理识别算法 (例如 :多通道伽柏滤波器方法 )。在对 40名书写人的 1 0 0 0份测试文档的分类中 ,测试结果非常令人满意 ,识别率最高达到了 96 %。

黑色素瘤不规则条纹结构特征的描述方法

该文提出了一种基于子块方向直方图分析和二维Gabor滤波器组设计的肿瘤表面规则条纹的提取方法,并给出了黑色素瘤不规则条纹结构特征的描述子。用基于子块方向直方图分析的方法对肿瘤图像进行规则条纹预提取,并在此基础上用二维Gabor滤波器组进行规则条纹的精提取,明显提高了获取肿瘤表面规则条纹的准确性。试验表明,该文方法能较好描述黑色素瘤不规则条纹的结构特征,为条纹规则性的区分提供了有效途径。