基于亮度与彩色纹理统计的无参考图像评价

基于均值减去对比度归一化系数与彩色共生矩阵相结合,提出一种通用无参考图像质量评价方法。首先,分别利用对称广义高斯分布和非对称广义高斯分布拟合MSCN系数组成18维特征值作为亮度统计特征;其次,将原始图像从RGB色域转换到HSV色域,分别提取H、S、V3个通道的4维灰度共生矩阵的纹理特征,将3通道4维共计12维特征值通过既定公式融合降维成3维作为彩色纹理统计特征;最后,在1个原始尺度和1个经过高斯降采样尺度下提取上述参数共计42维参数组成特征集利用SVR和SVC建立图像质量评价和失真类型识别模型。利用LIVE数据库与真实数据库验证了所提的方法与人眼主观感受有着很好的一致性。

基于火焰彩色纹理复杂度特征的转炉炼钢吹炼状态识别

在基于火焰图像识别的转炉吹炼状态识别过程中,针对已有方法存在火焰彩色纹理信息利用不充分和状态识别率仍需提高的问题,提出一种基于火焰彩色纹理复杂度特征的转炉吹炼状态识别方法。首先,将火焰图像转化到HSI颜色空间下并作非均匀量化;然后,计算H分量和S分量的共生矩阵从而融入火焰图像的颜色信息;其次,利用得到的颜色共生矩阵计算火焰纹理复杂度的特征描述子;最后,应用Canberra距离作为相似度度量准则对吹炼状态进行分类和识别。实验结果表明,与已有的转炉火焰灰度共生矩阵和灰度差分统计方法相比,在满足吹炼识别实时性要求的前提下,所提方法的识别率分别提高了28.33%和3.33%。

基于多尺度结构张量的多类无监督彩色纹理图像分割方法

由于自然图像中包含丰富的颜色信息与多尺度的纹理信息,伴随多个同质目标区域的出现,依靠半监督手动交互标记的图像分割方法难以实现自动分割,因此提出一种多类无监督彩色纹理图像分割方法.首先,提取了颜色特征(向量结构)与多尺度纹理特征(矩阵集合),并对两者分别进行能量描述;对于2种具有不同特征结构的能量函数,通过多类融合策略计算两者的融合因子,并自适应地融合;再将融合后能量函数的全局最优化问题转化为其对应的多层Graph Cut图割模型,利用最大流?最小割理论计算得到全局近似最优解.为了自适应地控制分割过程,提出了自适应迭代分割收敛准则,并最终在自然图像及合成的彩色纹理图像上进行了质量评估与量化分析.实验结果表明,该方法具有较好的目标区域完整性与一致性,并具有较高的准确率.

一种彩色纹理图像的分割方法

纹理分析一直是图像理解和计算机视觉等领域研究的重点和难点 .现有的纹理分割方法大多集中于研究灰度纹理图像 ,文中提出一种基于分形理论和 BP神经网络的彩色纹理图像分割方法 .该方法将彩色图像由 RGB色彩空间转换为 HSI色彩空间 ,根据亮度计算分数维、多重分形广义维数谱 q- D(q)和“空隙”等纹理特征 ,同时加入归一化的色度和饱和度作为另外两个分类特征 ,采用经过有监督训练的 BP神经网络作为分类器 .通过对纹理图像的分割实验 。

铁谱图像的彩色纹理特征提取与识别

纹理是铁谱图像的特征之一,但大部分的铁谱图像的纹理研究是以灰度图像为基础的,这样就丢失图像的彩色纹理信息。对铁谱图像的彩色纹理特征进行了提取,运用支持向量机的方法,对铁谱图像的磨粒颗粒进行了识别,试验结果表明,所提取的特征值,有利于磨损颗粒纹理的识别。

Gabor滤波器在彩色纹理表面缺陷检测中的应用

提出了彩色纹理表面自动缺陷检测的Gabor滤波方法,以同时测度图像中的颜色和纹理偏差。提出的方法不依赖于纹理特征的提取,它基于Gabor滤波器和两个颜色特征复数的彩色图像卷积的能量响应,将彩色纹理图像缺陷检测的复杂问题转换成了滤波图像中的简单的二值化问题。对纺织品、木材等许多实际彩色纹理表面的实验结果表明了该方法的有效性。

图模型在彩色纹理分类中的应用

纹理分析中往往将彩色图像转换为灰度图以降低计算复杂度,这样就忽略了颜色信息。而利用主成分分析的方法来降维彩色纹理,则可以尽可能地保留颜色和纹理信息。高斯图模型(Gaussian Graphical Models,GGM)可以很好地描述有交互作用的高维数据,因此可用来建立图像纹理模型。根据局部马尔可夫性和高斯变量的条件回归之间的关系,可将复杂的模型选择转变为较简单的变量选择。通过惩罚正则化方法,其邻域选择和参数估计可同步进行,然后提取纹理特征进行彩色纹理分类,实验显示其具有很好的效果。因此,结合主成分分析和高斯图模型来构建彩色纹理模型有很好的发展前景。

细胞图像的彩色纹理分析方法研究

为了准确描述细胞或细胞核的染色不均匀特性，研究并提出了一种描述彩色纹理的特征．依据纹理图像中彩色的最大频数原则和彩色相容原则，确定表征纹理彩色分布的最佳特征色，进而得到彩色纹理特征矢量和相似性测度．利用彩色纹理特征，对细胞图像做了初步的分割实验．

可获取彩色纹理的PMP三维测量系统

设计了一种基于相位测量轮廓术、可获取彩色纹理的三维测量系统.它采用黑白摄像机作为图像传感器,分别投射三原色光到物体表面,测出它们的反射光强,通过色度学方法计算出R、G、B值,得到彩色纹理.在摄像机标定方面,利用镜头光心附近几乎无畸变的特性,提出先用靠近图像中心的标记点标定出变换矩阵M,再用图像边缘的标记点标定出畸变参数,避免了求解非线性方程组.实验表明,该系统具有较高的测量精度.

区域可信度融合的彩色纹理图像分割方法

提出一种将颜色信息与纹理信息有机结合的彩色纹理图像分割方法。通过对多尺度结构张量纹理信息进行奇异值分解与主成分分析降维,得到压缩多尺度纹理信息,同时与尺度信息、颜色信息相结合的方式来提高彩色纹理特征的描述能力。针对分割区域容易出现过分割与错误分割现象,采用区域的邻接关系、区域的大小、区域的公共边、以及区域间的J-散度距离来共同计算相邻区域间的可信融合度,通过合理判别,删除与融合可信度较低的区域。并在合成彩色纹理图像与自然纹理图像上进行大量的实验对比与分析,验证提出方法具有较高的准确率,且最终分割区域具有较高的区域整体性与地面真实性。

基于四元数Gabor滤波的彩色纹理特征提取

现有的彩色图像纹理特征提取方法是将彩色图像转换为灰度图像或者对彩色图像进行分通道处理,这样的处理方法会丢失原图像的颜色信息和各通道间的相关性,导致特征图像的纹理特征和原图像的纹理特征差异较大。基于上述问题,提出了一种四元数Gabor彩色纹理特征提取方法。首先,根据Gabor滤波和四元数欧拉公式,推导出四元数Gabor滤波,并将彩色图像用四元数矩阵表达;其次提出四元数Gabor滤波卷积算法处理彩色图像,得到多尺度多方向的彩色纹理特征图像;最后对得到的彩色纹理特征图像进行Tamura统计特征的提取。实验结果表明,该方法可以很大程度地保留原图像的粗糙度、对比度和方向度等纹理特征,同时可以提取到原图像的颜色信息。在转化为灰度图像后,该方法在保留粗糙度、对比度和方向度等纹理特征方面优于传统Gabor方法和LBP方法。

一种基于彩色纹理特征的车牌定位方法

准确快速的车牌定位是汽车牌照自动识别系统的一个重要环节.利用Roberts算子对车牌图像进行边缘检测,根据车牌的彩色纹理特征和灰度跳变特征,提出了一种基于彩色纹理特征的车牌定位新方法,利用采集的80幅车牌图像,在MATLAB环境下进行车牌定位实验,定位准确率达92.5%,实验结果验证了该算法的有效性和鲁棒性.

集成高度和彩色纹理特征的影像目标模糊聚类识别方法

提出一种基于高度和彩色纹理信息的目标识别方法 ,其目的是提取具有相对高度的地物。由于传统二维纹理分析的方法往往不能有效地提取这类目标 ,本文把高度、色彩和纹理信息有机地结合起来 ,提高了识别率。依据影像提取结果 ,探讨了树林对森林覆盖地区自动空中三角测量选点的负面影响 ,同时建议采用数据分组的方案来改善森林覆盖地区自动空中三角测量的精度 ,并用对比实验证明了其有效性。

结合GAC与图割模型的彩色纹理图像分割方法

提出了一种测地线活动轮廓模型(GAC)与多层图割模型相结合的彩色纹理图像分割方法。将Chan-Vese模型扩展到多类测地线活动轮廓模型,通过对每个类别进行高斯概率密度描述,它打破了区域内部恒定密度的假设。且在边缘约束项中引入了测地线,因此,它能够捕获具有凹性的边缘。对于多类能量函数的最小化,通过构建多层图割模型,利用最大流/最小割的方法可快速求得全局近似最优解。最终通过实验验证了提出的方法能够捕获凹型边界、且量化准确率高。

基于彩色纹理分析和神经元网络的结肠镜图像异常检测

提出了一种新的基于彩色纹理分析和多层前馈型神经元网络的方法,对结肠镜图像进行异常检测。通过对两种常用的灰度图像纹理分析方法(同现矩阵方法和离散小波变换方法)进行扩展,提出相应的彩色纹理分析方法。彩色纹理分析提取出的特征参数构成作为识别器的多层前馈型神经元网络的输入。实验结果表明该方法能有效检测结肠镜图像中的各种异常。

彩色纹理反走样技术研究

反走样是一种真实地显示物体的方法,它在图形图像领域中被广泛应用。以彩色纹理工作原理为背景,总结出了针对不同实体的反走样关键技术及其实现,最后提供了改善关键技术的方案。

基于简单彩色纹理特征的高分图像SVM分类方法研究

彩色纹理特征结合了传统意义上的灰度纹理特征和光谱特征,将其引入高分图像的地物分类算法中,可以丰富特征提取手段、提高分类正确率。首先详细介绍了彩色纹理特征的提取方法和SVM算法的数学原理,然后分析了基于SVM的高分辨率遥感图像分类方法的模型建立以及分类器设计,最后以作者所在高校为例,验证了该方法在高分辨率遥感图像地物分类上的有效性,并通过混淆矩阵和Kappa系数评价了分类性能。

基于非局部CTV-L1模型的大破损彩色纹理图像修复

针对大破损彩色纹理图像的修复问题,将TV-L1模型推广到非局部CTV-L1模型。该模型不仅包含非局部算子,同时还引入了CTV(color total variation)规则项,前者可以修复大破损纹理图像,后者充分考虑了彩色图像层与层之间的耦合关系,在处理彩色图像时可以有效地保持边缘。为提高模型的运算效率,通过引入辅助变量和Lagrange乘子为其设计了相应的增广Lagrangian算法。数值实验结果证实所提出的模型在处理彩色图像时可以有效地保持边缘,同时去除图像中异常的不规则点。该研究可以推广到彩色纹理图像椒盐噪声去除及彩色纹理图像分割中。

基于滤波器阵列与图割的彩色纹理分割

图割法因无法体现像素点的纹理区域特性而难以应用于纹理分割。针对该问题,提出一种基于滤波器阵列与图割的彩色纹理分割算法。利用构建的滤波器阵列提取图像的纹理特征,并加入图像的H、S、I分量值组成纹理-色彩特征向量,采用texton直方图作为彩色纹理的统计模型对纹理-色彩特征向量进行统计计算,通过直方图差计算像素点间的纹理相似度,再应用图割法中的规范割准则对彩色纹理进行分割。实验结果证明,该算法具有较高的分割准确性。

采用自相关和协方差函数在光照—欧氏变化条件下识别彩色纹理(英文)

采用完整的Zernike矩自相关函数集合提取彩色纹理的空间结构信息 .该函数集合生成基于自相关矩的矩阵 ,并在此基础上获得彩色纹理的光照不变因子 .对于不同的光照变化 ,所获矩阵间存在着线性变化关系 .6 0 0幅不同光照和旋转条件下的彩色纹理图像将先前提出的彩色协方差函数与循环和非循环自相关函数进行比较 。