基于灰度—梯度共生矩阵的图像型垃圾邮件识别方法

为了逃避基于文本的垃圾邮件系统的检测,越来越多的垃圾邮件制造者将文本信息嵌入到图像中。为了有效地检测出图像型垃圾邮件,提出了一种基于灰度—梯度共生矩阵(GGCM,gray-gradient co-occurrence matrix)的图像型垃圾邮件识别方法。先通过灰度—梯度共生矩阵提取图像的特征信息,然后运用最小二乘支持向量机(LS-SVM,least squares support vector machines)进行分类。实验表明,该方法具有较高的分类精度和较好的实时性。

基于灰度—梯度共生矩阵的遥感影像纹理信息提取方法研究

基于Landsat8-OLI影像,实现了灰度-梯度共生矩阵的影像纹理特征提取方法。通过分析移动窗口大小、步长等参数对纹理特征的影响,将能量、相关性、混合熵及标准差纹理特征等4种纹理特征进行比较,结果表明,纹理特征相关性在鉴别地物能量最优、稳健性更好。

基于均值—中值—梯度共生矩阵模型的最大熵分割算法

针对基于灰度—梯度共生矩阵模型的最大熵阈值分割算法抗噪声差的缺点,引入了均值—中值—梯度共生矩阵模型,并提出了基于该模型的最大熵阈值分割算法。为了有效地节省计算时间与存储空间,进而导出了该方法的快速递推公式。实验结果表明,该算法优于灰度—梯度模型分割方法,并能抑制高斯噪声、椒盐噪声以及其混合噪声对分割结果的影响,提高了分割的鲁棒性。

一种半调图像类型识别方法

半调图像类型的先验知识对于逆半调处理有着十分重要的意义。为了对半调图像进行类型识别,利用不同半调图像表现出的纹理差异设计了一种半调图像类型识别方法。其中主要选取了基于灰度—梯度共生矩阵的大梯度和小梯度优势统计值作为判别特征。仿真实验结果表明,所选取的特征值在不同类型半调图像上表现出明显的差异,将其作为半调图像分类识别的依据,最终通过判别函数可将常见的半调图像分为三大类。

基于近场声全息的滚动轴承故障诊断

滚动轴承在工业生产中起着关键作用,对其进行故障诊断研究具有重要意义。目前轴承诊断主要以振动信号分析为基础,而获取振动信号受接触式测量限制,声学故障诊断(ABD)具有非接触式测量的优点,但传统基于单通道的ABD存在测点选择难与局部诊断的不足。联合近场声全息(NAH)和灰度—梯度共生矩阵(GLGCM)并应用于滚动轴承故障诊断,利用NAH重建各轴承运行状态下的声场,得到声源附近重建面处的声像图,再从声像图中提取GLGCM特征,建立声场特性与轴承运行状态的内在联系,结合支持向量机模式分类,实现轴承故障诊断,实验研究证实方法的可行性与有效性。

基于K均值聚类的体绘制传递函数设计方法研究

提出一种基于K均值聚类算法的体绘制多维传递函数设计方法。在利用灰度—梯度直方图分析体数据内部结构信息的基础上,应用K均值聚类算法对整个体数据进行聚类分类,对属于不同聚类中的体素值进行伪彩色映射,实现体数据与彩色编码的转换关系。实验表明,利用该方法所设计的体绘制传递函数能够揭示体数据的内部结构关系,重建的三维图像逼真、质量高。

基于多特征融合的抽象画情感研究

抽象画作为一种寓意含蓄的艺术作品,传递出的情感也是含蓄的,确定其情感分类也比较困难,为此采用多特征融合方式预测抽象画的情感。首先采用K-means聚类提取抽象画图像的主色调作为底层颜色特征,采用灰度—梯度共生矩阵提取底层纹理特征,采用卷积神经网络自动提取高层语义特征;其次由于特征维度不同,采用多核学习对底层和高级语义特征进行融合;最后采用支持向量机实现抽象画情感识别,分为积极与消极两类。在MART数据集上进行测试,并与其他现有分类模型进行了比较,实验结果显示该方法在测试性能上优于已有模型。