基于小波生成特征符号随机场的纹理匹配与分类

提出了一种用小波生成特征符号随机场的纹理图象分类方法。它通过一定尺度上的小波图象分解，由在最大尺度上分解生成的４个子图来生成原始图象的特征符号随机场，在此基础上产生共生矩阵，进而获取原始图象的纹理特征向量。然后，用两个特征向量的距离作为判别标准，对纹理图象进行快速分类。

特征符号随机场-Gibbs模型及其在纹理分割中的应用

本文提出了特征符号随机场的概念，定义了新的特征符号随机场-Gibbs模型，并讨论了它在纹理分割中的应用与传统马尔可夫随机场模型方法相比，由于包容了更多、更细致的图象信息，本文的方法能够得到更精确的分割结果，同时，新模型仍然有比较简单的模型形式，模型估计方法简单、利于在线运用.与传统特征聚类分割方法（如多通道特征聚类分割方法）相比，本文不要求得到相对纹理区域具有稳定性的特征，并利用Gibbs模型来描述空间变化的特征.从而使分割过程基于更本质的纹理特征，使分割结果更具普遍性.本文以标准Brodatz纹理为实验样本，取得了令人满意的实验结果.

新的纹理分类算法

提出了一种基于特征符号随机场描述的纹理分类方法。特征符号随机场是纹理图象的一种二维描述，它采用离散的符号来描述纹理图象的结构性特征。文中的纹理分类实验表明：以特征符号随机场为基础的统计模型，更充分地描述了纹理图象的本质特征，在单频段多方向滤波条件下能够取得理想的分类结果。