灰度纹理与油气特征融合的油纸绝缘老化状态评估

针对单一局部放电特征辨析老化信息量存在精度不足的问题,提出一种基于局部放电灰度纹理特征与油气特征的D-S证据融合识别方法,对油纸绝缘老化状态进行分析。首先,通过试验构造人工油纸绝缘内部气隙模型,模拟变压器内部实际运行环境,采集油纸绝缘7个老化层级的局部放电信号及油中气体含量,提取各老化层级的灰度纹理特征、统计特征及油气特征,利用支持向量机进行识别。将灰度纹理特征和油气特征的识别结果输入到D-S证据融合框架中进一步识别分析,识别结果与单一特征及其他两两特征融合结果比较。试验结果表明:基于灰度纹理特征与油气特征的D-S证据融合方法对油纸绝缘老化状态的识别效果更佳。

灰度纹理矩图像检索方法的研究与实现

本文出了基于局域傅里叶变换的灰度纹理矩，它的实现缩短了检索时间，提高了检索效率，检索效果也有了很大的提高，特别是对背景比较单一、物体背景层次分明的图片。尤其是再经过高斯归一化的Gabor小波方法检索效果得到了更大的提高。

基于灰度纹理信息的图像压缩感知编码与重构

引入了压缩感知(Compressed Sensing,CS)理论,在分析图像DCT系数分布特性的基础上,提出了一种基于灰度纹理信息的压缩采样方法。该方法通过提取图像分块离散余弦变换交流系数的能量,进而对用于对测量过程进行加权修正,充分利用代表图像细节纹理信息的交流分量系数,基于图像轮廓纹理细节信息来分配测量维数,最终实现对不同图像块有区别的压缩采样。比较同类研究结果表明,提出的采样方法在有效减少测量维数或提高重构图像的峰值信噪比和主观视觉效果,以及在降低计算复杂度方面均有更好的表现。

结合形状先验的水平集灰度纹理图像分割方法

传统水平集图像分割方法多考虑图像底层数据而忽略高层语义特征,对灰度纹理图像的分割效果较差。针对该问题,结合形状先验设计水平集灰度纹理图像分割方法。通过ASLVD滤波获取纹理项,同时对滤波图像进行局部化处理得到形状先验,以形状概率表示形状先验能量项,将其与灰度项、规则化项和纹理项相结合,构造整体水平集曲线演化能量函数,并最小化能量函数得到分割结果。实验结果表明,该方法能够对目标背景遮挡的灰度纹理图像取得较好的分割效果。

基于灰度纹理的微平面法向分布函数

基于微平面理论的双向反射分布函数(BRDF)材质模型都需要一个分布函数表示微平面法向的分布概率密度,现有的分布函数大都是用数学公式表示的。用公式表示的分布函数往往不够直观,而且种类较少。提出一种新的、直接从灰度纹理生成分布函数的方法。该方法生成的分布函数不仅可以替代公式表示的分布函数,而且还可以创造出一些新的材质。首先对一张灰度纹理进行均匀采样提取一个二维灰度值表,并把表项下标和微平面法向的方向建立映射关系,用表项中存放的灰度值作为该法向的概率密度值。用BRDF计算物体颜色时需要在分布函数中进行微平面法向的采样,提出在表格化的分布函数中进行随机采样和重点采样的算法。最后通过设计灰度纹理构造分布函数,实现了一些特殊的材质效果。

结合灰度纹理和支持向量机分类的三江源草地信息提取

以三江源地区地形地貌特征、草场分布较为典型的班玛县为例,以HJ环境星多光谱影像为主要数据,基于支持向量机SVM超平面理论,结合灰度共生矩阵寻找最适宜的分类核函数,选取了三江源地区草地信息提取的最适宜SVM分类模型,并与传统的监督分类方法最大似然法和SVM分类方法进行比较,进行三江源草地分类方法的优化。结果表明,与传统监督分类方法相比,除Sigmoid核函数外,其余结合方法的分类精度均有所提高,其中结合纹理和高斯核函数的SVM分类模型有着较理想的识别效果,精度达到91%,Kappa系数为0.856 0,能为三江源地区草地可持续利用以及生态系统恢复提供基础数据。

灰度矢量多波段遥感影像纹理特征及其描述

提出了多波段影像灰度矢量纹理的概念和实施方法。以中心像元的邻近像元作为灰度矢量纹理基元 ,纹理基元的灰度矢量统计规律反映出影像纹理的特征 ,并以马尔柯夫随机场的特征参数作为其分类依据。实验分析表明 ,所提出的理论和算法是可行的。

基于复杂融合特征与灰度-纹理直方图描述子的红外弱小目标检测追踪算法

为了解决当前红外目标检测追踪算法仅依靠单一图像特征对弱小目标增强,使其在背景杂波与噪声干扰严重条件下,难以剔除图像背景中的伪目标像素,导致弱小目标检测与追踪精度不高,提出了基于复杂融合特征与联合灰度-纹理直方图描述子的红外弱小目标检测与追踪算法。首先,针对红外图像不同特征的背景干扰因素,引入不同方向的腐蚀操作结构元素,设计了分类Top-Hat变换算子,充分抑制背景杂波与噪声,从而将弱小目标从复杂背景中凸显出来;随后,引入方差权重信息熵,构建复杂融合特征,对红外图像进行分割,确定候选目标区域;并基于管道滤波模式,对候选目标区域中的真实弱小目标与伪目标进行筛选,将虚假目标过滤;再考虑弱小目标的强度与纹理特征,基于LBP技术(local binary pattern),设计了灰度-纹理直方图描述子,充分描述红外弱小目标的边缘、线端与角点等鲁棒性特征,较好地保留目标的空域信息,有效剔除图像背景中的伪目标像素;最后,联合均值漂移算法,对红外弱小目标进行精确追踪。实验结果显示:与当前红外目标检测追踪技术相比,在复杂背景干扰条件下,本文算法具有更高的检测精度与更低的追踪误差。

基于复合条件的织物纹理模糊识别

提出一种新的基于复合条件的模糊识别方法完成对织物图像的纹理提取。首先对整个图像灰度级分析,确定行与列灰度波的标准模糊集,然后给出基于灰度大小及像素位置的复合条件隶属度计算公式,对行与列的灰度波进行模糊分类,使其转换为仅有2个灰度极值的纹理灰度波。最后将所有纹理灰度波组合还原成二值纹理织物图像,为后续密度识别、纹理均匀度识别及疵点识别等图像分析提供基础。实验与分析结果显示,本文算法通过对灰度波的模糊划分,提取仅用2个灰度值表示的织物二值纹理图像,形成具有脉冲特征的纹理灰度波,可为后续织物图像各参数分析提供简单有用的织物纹理数据模型。

基于纹理特征和随机森林的恶意代码分类研究

为高效地识别分析恶意软件,及时防范可能的危害,提出了一种基于图像灰度纹理特征的静态分类方法。根据代码的指令长度特点,设计并提取病毒代码的多字节图像纹理,并统一成二维特征,然后将所有的特征文件作为训练集进行随机森林机器学习方法分类。利用标准数据集进行的实验表明,该方法可以达到96.36%的精度,并分析了各个字节代码特征的重要性,进一步提出了简化的分类方法。

应用于行人检测的HLBP与CHLBP纹理特征

根据CSLBP(center-symmetric local binary pattern)和Uniform LBP(local binary pattern)特征描述行人局部纹理互补性的特点,提出将二者级联的组合特征用于行人检测:基于灰度图像的纹理特征(hybrid local binary pattern,HLBP)和基于颜色空间的纹理特征(color based hybrid local binary pattern,CHLBP)。实验结果表明,当FPPW=10–4时,HLBP特征的检测率为93.96%,与Uniform LBP和CSLBP特征相比分别提高3.46%和9.68%,基于颜色空间L′C′C′与HIKSVM分类器结合时的检测率高达98.58%。与传统的纹理特征检测方法相比,该特征提高了行人检测精度,降低了误检率,检测性能得到较大幅度的提升。

基于HSV和纹理特征的相容near度量方法

基于内容的图像检索是图像处理研究的重点,而相似性度量是其核心问题。基于near集的tNM(Tolerance Nearness Measure)方法在仅提取图像的灰度值特征时比IRM(Integrated Region Matching)检索结果更好。基于tNM与人类视觉近似的特点,将灰度值替换为面向用户视觉的HSV(Hue,Saturation,Value)颜色空间,分别提取图像的灰度值(Grey)+纹理(Texture)、HSV+纹理两组特征。使用IRM和tNM算法对10类图像进行检索,对其检索结果进行比较分析,结果表明使用tNM算法提取的图像的HSV+纹理特征与人类视觉更加近似,效果更佳。

基于BP神经网络的肝包虫CT图像的定量研究

目的肝包虫病的CT影像映射了不同亚型包虫病的病理学的差异性,本研究获取了可以印证包虫病病理学改变的关键的影像组学特征,结合人工神经网络(artificial neural network,ANN)对肝包虫病和正常肝脏进行分型,为肝包虫病的诊断、分型提供支持。方法提取基于灰度直方图、灰度共生矩阵、灰度-梯度共生矩阵等36维特征值,构建肝包虫图像特征集;选取曲线下面积(area under curve,AUC)>0.72以获取反映图像特征变化的关键影像组学特征,并绘制特征分布曲线;构建BP神经网络模型并采用参数评估、受试者工作特征(receiver operating characteristic,ROC)曲线对模型进行定量评价。结果AUC特征分布:正常肝脏的特征曲线分布均匀,各特征峰值明显低于肝包虫病影像;单囊型特征分布曲线均显现出双峰分布,包虫病灶区域与正常组织形成明显灰度纹理差异性;多囊型特征分布集中且峰值紧凑,灰度级和纹理分布更密集、更复杂,与CT影像中“囊内囊”表现相印证。BP神经网络分型:多囊型、单囊型和正常肝脏影像的训练、验证、测试、全部样本分类准确率均达到90%以上。结论BP神经网络模型对肝包虫病与正常肝脏CT图像灰度纹理特征差异具有较好的感知判别效果,为肝包虫疾病的早期发现、确诊、治疗提供科学依据。

边缘特性筛选与多判定机制下的车牌定位方法

针对复杂背景下的车牌定位,利用目标区域的边缘梯度特性筛选出车牌边缘;选取合适的结构元素做数学形态学填充,得到车牌候选区域;融合车牌灰度纹理特征与颜色特征通过多判定机制剔除伪车牌区域,实现车牌的准确定位;通过实验对大量实拍的复杂背景下的车辆图像进行测试。结果表明,该方法准确率高、速度快,克服了传统算法对拍摄环境、光照条件、颜色、角度等较为敏感的问题,具有良好的定位效果。

脸部整形手术仿真中的网格变形处理

为精确呈现术后容貌,提出了一种基于灰度纹理的网格变形算法。通过选取目标区域构建一张灰度纹理,为网格顶点实时计算一组纹理坐标,建立模型顶点与灰度纹理的映射关系。为使目标区域的变形光滑过渡,采用了均值模糊处理技术对灰度纹理进行模糊处理,通过迭代次数来控制模糊效果。该算法优点如下:将网格的变形信息存储在灰度纹理中,使得变形信息与模型的几何信息相互独立;对网格顶点进行直接操作,能够准确控制网格的变形效果;无需对三维模型进行预处理。

基于支持向量机的语义图像分类研究

随着多媒体数据库的不断发展,传统的利用关键词进行图像检索已经越来越不能满足图像检索的需要,基于内容的图像检索已成为当前的研究热点。对图像的颜色和纹理特征进行提取,融合图像的颜色和纹理特征作为图像的特征向量,用支持向量机实现图像的低层特征和高级语义间的关联。实验结果表明,多特征的图像检索要比单一的特征检索效果好,在HSV颜色特征的基础上引入灰度共生矩阵纹理特征后可有效提高检索效率,而且采用支持向量机融合多特征可成功用于图像的语义的检索。

基于小波变换的二值模式检索

提出了一种基于小波变换后的二值模式图像检索。把图像库里的图像通过小波变换压缩预处理,方便图像快速入库提取图像特征。选取二值模式技术处理,以便有效提取图像的特征进行检索。实验数据库采用Brodatz纹理图像库,对比了边缘拟合算法,共生矩阵和灰度纹理矩检索图像的检索效率,得出小波变换后的二值模式检索效率较高。

灰度一致纹理图像的光参数估算方法

从单幅图像估算光照参数时未知条件太多,而采用多幅输入图像的方法估算光照参数,虽然精度较高,但增加了输入数据的复杂度。提出灰度一致图像的光参数估算方法,能够从输入的单幅图像准确地估算光照参数。该方法通过探测输入图像的最大亮度变化方向估算光照的方位角;通过检测输入图像与虚拟光环境下的随机纹理的相似性估算光照的翘角。对Photex纹理库中的24类图像(共142幅图像)进行了实验,实验结果表明,该算法对于表面灰度一致图像的光参数估算具有较高的准确率。

基于SVM的POL-SAR图像分类研究

提出了一种将物理散射机理、纹理信息和SVM结合起来用于POL-SAR图像分类的方法。实验数据选取德国Oberpfaffenhofen实验区域(DE)的DLR ESARL波段全极化数据,实验区域包括自然植被,如森林、田地和人造目标如建筑、机场跑道等。首先利用OEC分解得到了散射特征,然后提取HH和HV通道图像的纹理特征,并用SVM进行特征选择及分类。然后在上述特征中加入Freeman分解的散射特征重复试验,取得了较好的结果。试验证明了将散射特征和纹理特征结合起来对地物进行分类是有效的,同时也证明了用SVM进行特征选择的有效性。

煤与矸石图像特征分析及试验研究

为实现基于机器视觉的绿色高效、高智能化的煤矸分选。探讨了煤和矸石共420张图像的2个灰度特征和4个纹理特征的分布情况,并分别模拟生产中的光照、淋水、粉尘环境对煤和矸石进行了图像采集,研究其对煤矸图像特征的影响;此外,针对光照强弱、湿度、煤粉沾染程度和样品种类4个试验因素,对影响因素进行了量化处理,应用Box-Benhnken Design(BBD)试验设计理论设计四因素三水平试验,以样本灰度均值为响应指标,研究各因素对煤矸图像灰度值影响的显著性及其交互作用,从而得到区分煤和矸石的最明显特征。特征分析表明,煤和矸石的灰度特征比纹理特征具有更好的区分度,从灰度均值和峰值来看,6~36 W的光照条件对灰度均值影响有限,却使灰度峰值波动严重;样本表面喷雾量的增加使灰度均值和峰值大幅下降,以0.08 g的喷雾量为转折点,灰度均值呈现出先急后缓的对数曲线下降趋势;煤粉量与灰度均值呈一次线性反比关系,灰矸的线性比例约为块煤和黑矸的4~5倍;单因素试验表明灰度峰值对环境变化较为敏感,而响应面试验表明煤和矸石的灰度均值在同一水平下区分度明显。研究结果有利于推进机器视觉煤矸分选技术的应用,实现井下煤矸分选,亦对煤岩界面识别技术具有参考意义。