一种新的纹理图像特征提取的方法

灰度图像的纹理反映了一个区域中像素灰度级及其局部变化的空间分布属性 ,用图像的局部统计特征能较好地刻画不同纹理的差异 .基于这种思想 ,本文中首次提出了一种基于 PCNN点火序列图的纹理图像特征提取的新方法 .通过对 PCNN的运行行为和基本特性的分析 ,指出 PCNN的点火时刻序列图不仅包含了局部图像的灰度分布信息 ,更重要的是还包含了图像中相邻像素之间的几何信息 ,这恰是纹理图像的个性特征所在 .最后给出了部分仿真实验的结果 。

基于CT增强图像纹理特征预测结直肠癌Ki-67表达的可行性研究

目的 探讨基于CT增强图像纹理特征预测结直肠癌的可行性。方法 回顾性选取2021年2月—2022年12月济宁市兖州区人民医院病理诊断为结直肠癌的48例患者的临床资料为A组,35名健康体检人群的临床资料为B组,比较两组CT图像纹理特征与临床数据,采用二元Logistic回归筛选预测结直肠癌的独立风险因素并建立模型。对独立风险因素与二元回归预测模型进行受试者操作特征(receiver operating characteristic,ROC)曲线分析诊断效能。结果 两组患者年龄、性别、糖类抗原199、糖类抗原242、癌胚抗原比较,差异无统计学意义(P均>0.05)。使用MaZda4.7内置最小平均相关系数与最小分类误差法降为后获得5个纹理特征,二元Logistic回归方程显示游程不均匀性、紧密度、惯性为预测结直肠癌Ki-67表达的独立风险因素,建立模型为:Logit(P)=1.433+Run Length游程不均匀性×4.114+紧密度×3.015+惯性×2.356,ROC曲线下面积为0.944,取阈值31.804的灵敏度及特异度为91.7%、88.9%。结论 基于CT增强图像纹理特征预测结直肠癌,可为评估结直肠癌增殖程度和治疗预后提供无创性检测手段。

增强型局部二值模式及其图像纹理特征提取

局部二值模式(Local binary pattern, LBP)是一种非常有效的图像纹理描述算子。为了提取更丰富的人脸特征,提出了局部二值模式和环式二值模式(Ring Local binary pattern, RLBP)特征融合的增强局部二值模式算法。先用LBP算法对图像进行特征提取并转化为特征向量,再将其与使用RLBP算法生成的特征向量相融合。最后使用直方图交叉距离计算特征向量的相似度得到在数据集中的识别率。实验数据集选用ORL、ExtendYaleB人脸数据库以及掌纹数据库,实验结果表明,相对于LBP算法和其它融合算法提取到的图像特征而言,融合算法提取的特征更具有鉴别力,获得了更高的识别率。另外还在不同的噪声环境下进行了相关实验分析,证明了所提融合算法对噪声更具有鲁棒性。

基于无人机遥感图像纹理与植被指数的土壤含盐量反演

基于无人机遥感技术获取农田土壤盐分信息为盐渍化治理提供了快速、准确、可靠的理论依据。本文在内蒙古河套灌区沙壕渠灌域试验地上采集了取样点0~20 cm的土壤含盐量,并使用M600型六旋翼无人机平台搭载Micro-MCA多光谱相机采集图像。利用Otsu算法对多光谱图像进行图像分类(土壤背景和植被冠层),基于分类结果分别提取剔除土壤背景前后的光谱指数和图像纹理特征,采用支持向量机(SVM)和极限学习机(ELM)构建土壤含盐量监测模型,其4种建模策略分别为:未剔除土壤背景的光谱指数(策略1)、剔除土壤背景后的光谱指数(策略2)、未剔除土壤背景的光谱指数+图像纹理特征(策略3)、剔除土壤背景的光谱指数+图像纹理特征(策略4),通过比较4种建模策略的模型精度以筛选出最优变量组合。结果表明:策略3、4所计算出的土壤含盐量反演精度高于策略1、2,策略1~4验证集决定系数R_(v)^(2)分别为0.614、0.640、0.657、0.681,因此利用图像纹理特征+植被指数对提高土壤含盐量的反演精度有重要意义。对比策略3、4,图像纹理特征+植被指数受到土壤背景的影响,策略4精度低于策略3精度,其R_(v)^(2)分别为0.614、0.657;各变量处理的最优模型均为ELM模型,建模集R_(v)^(2)分别为0.625、0.644、0.618、0.683,标准均方根误差分别为0.152、0.134、0.206、0.155。相比于SVM模型,ELM模型提高了土壤含盐量的反演精度。

图像纹理特征及其在CBIR中的应用

基于内容的多媒体信息检索是当前世界的研究热点 ,然而在图像内容表示及其相似性度量这两个关键问题上取得的进展还不能令人满意 .通过深入研究纹理的本质和人类视觉系统的特性 ,结合MPEG 7标准提出的图像内容描述子概念 ,提出一种新的谱方法来描述图像的纹理特征 ,并将其应用于图像内容的表示和检索 .在此基础上 ,讨论了图像的颜色描述子和相似性度量策略 。

基于灰度共生矩阵的多波段遥感图像纹理特征的提取

主要探讨用灰度共生矩阵测度纹理特性,对多波段适感图像进行特征提取时,各个波段的权重选取问题。根据纹理技术特点,将原始的多波段适感图像分成若干个互不重叠的多波段适感子图像。其中,用均值法和主分量分析法,将子图像各个波段的特征向量合成一个向量,并且把这个合成的向量作为这个子图像的特征向量。应用高斯有限混合模型与期望极大化算法,对适感图像纹理特征空间的数据进行聚类分析和参数估计,用贝叶斯定则对多波段遥感图像进行分类。最后我们将各种不同的分类结果进行了对比,得到了最佳的分类结果并给予讨论。

基于时频谱图和粗糙集的柴油机故障图像纹理特征自动提取

将图像纹理特征提取技术引入到柴油机连杆轴承磨损故障诊断中,首先采用连续小波变换对柴油机连杆轴承振动信号进行时频分析,为了减少循环波动的影响,将三个工作循环信号的时频分布平均为一个工作循环信号的时频图;然后将不同磨损工况的时频分布图转化为灰度图像,提取基于灰度共生矩阵四个角度的图像纹理特征参数;最后利用变精度粗糙集理论提取与故障程度强相关的特征参数。诊断实例表明:灰度共生矩阵能够反映柴油机连杆轴承不同磨损工况,变精度粗糙集可以从中提取出与故障程度强相关的五个关键参数用于分辨连杆轴承的四种磨损工况,小波时频图像特征提取和变精度粗糙集相结合能实现连杆轴承故障特征的自动提取。

利用ERS-2 SAR图像纹理分析方法揭示长白山天池火山近代喷发物空间分布特征

简单介绍了SAR图像的纹理特征以及正交小波变换纹理提取方法。论述了SAR图像的纹理特征参与分类的重要性。以长白山天池火山为例 ,通过对ERS 2SAR图像进行纹理分析 ,提取了SAR图像两个层次的尺度变化、时频局部化和方向性纹理特征。并将SAR纹理特征与TM图像及DEM进行复合 ,利用多源信息各自的优势 ,进行了BP神经元网络分类 ,从较大范围对长白山天池火山 73 5± 1 5aB .P .大喷发的喷发物空间分布进行评价。获取了长白山天池火山近代喷发物的空间分布及规模。这对长白山天池火山未来喷发危险性初步评价、火山地质制图及火山灾害预测有重要意义。

基于图像颜色及纹理特征的真伪酸枣仁鉴别方法研究

目的:开发一种基于计算机视觉的真伪酸枣仁鉴别方法。方法:采用数码相机拍摄酸枣仁及“生品、炒制、染色、炒制并染色”4种处理的理枣仁高清图像,提取图像的颜色特征和相邻像素点间灰度关系的纹理特征,再通过多种机器学习算法训练,选取准确率最高的模型作为真伪酸枣仁的鉴别模型。结果:相较于仅使用颜色特征或仅使用局部纹理特征的鉴别方法,结合图像颜色及局部纹理特征的方法能更准确地鉴别酸枣仁和理枣仁,其准确率、查准率、查全率和F分值4种指标均达到96%以上。结论:与精密仪器设备鉴定方法相比,该研究建立的鉴别方法准确高效,更适于推广应用。

基于图像纹理特征的目标快速检索

在讨论共生矩阵的基础上，提出了一个通过图像分割获取目标图像纹理特征，进而实现图像快速检索的方法。试验表明，该方法检索目标图像的可靠性较高，具有良好的应用价值。

基于图像纹理特征的SIFT算法研究

针对传统尺度不变特征转换(SIFT)算法存在大量冗余的特征点,而导致图像匹配过程中运算量大、效率低的问题,提出一种基于图像纹理特征的SIFT算法。该算法首先采用排列组合熵方法提取图像纹理信息,在此基础上利用SIFT算法提取特征点,这样能够减少冗余特征点,以有效提高算法匹配效率。实验测试结果表明,该算法与传统的SIFT算法相比,冗余特征点少,特征点匹配效率提高到98.04%。

基于不完全小波树型结构的图像纹理特征研究

图像纹理特征的研究作为一个热点和难点问题为图像检索、景物识别和目标定位等应用领域提供了一种重要途径。近年来,小波域的图像处理和分析受到关注,但基于小波域图像特征的研究相对滞后。通过分析图像纹理及其空间域特性,同时对图像不完全树型小波结构的分解过程和存在的问题进行讨论,对基于不完全小波树型结构的纹理特征进行研究,给出了小波域描述图像纹理的若干特征,提出了描述图像方向性的两个特征,同时对这些特征在图像检索中的应用过程和应用范围进行了说明。实验结果验证了所提出纹理特征的有效性。

应用时频图像纹理特征的行星齿轮故障诊断

行星齿轮箱结构复杂,当发生故障时其振动信号呈非线性非平稳特点且故障信号微弱,为了能够准确提取行星齿轮磨损故障信息的特征,提出局部均值分解(local mean decomposition,简称LMD)结合S变换(LMD-S)的信号处理方法,且转化为时频分布图像,应用时频图像纹理特征进行行星齿轮故障诊断。首先,把振动信号经由LMD-S变换处理后利用相关分析方法滤除干扰且转化为时频分布图像;其次,利用非均匀局部二值模式(local binary patterns,简称LBP)提取不同工况下采集数据的图像纹理特征;最后,采用极限学习机识别出3种故障类型,故障识别准确率达到90%,证明了此方法的有效性。

公路路面摩擦力属性图像纹理特征的识别方法研究

对公路摩擦力的属性进行图像特征分析,有利于智能化的解决公路老化等问题。本文通过对公路路面不同摩擦参数路面图像纹理特征的分析,运用形态学高低帽转换对公路路面的图像进行预处理,剔除噪声图像,得到清晰的纹理特征。运用不完全小波树形结构剖析摩擦力属性对应的公路路面图像纹理等差异特征;分析得到不同的公路路面摩擦力与不同图像纹理特征的对应情况。实验结果表明,该方法特征索取和识别速率较传统的识别方法更快。尤其是对不清晰、场景环境复杂的路面图像纹理识别效果明显,很好的保证了路面图像纹理特征与对应摩擦力的识别准确性。

成像测井图像纹理特征提取及火山岩岩性识别

火山岩岩性的准确识别有助于建立区域的地质模型,划分火山的旋回,以及进行详细的地层对比。本文对成像测井所获图像资料进行傅立叶变换,构造频谱图,建立灰度共生矩阵并进行图像纹理特征参数的提取。通过选择提取4种火山岩成像测井图像的4种纹理参数达到对图像纹理的均匀性,粗细度,线性关系,平滑性等的描述,并进而分析纹理参数区分岩性的效果,最终能够提取识别能力最强的纹理描述符,并将获得的已知岩性纹理特征参数数据作为对比资料进行未知火山岩岩性的识别。实际的处理结果显示,成像测井图像纹理提取方法在火山岩识别方面效果较为理想。

人工神经网络和图像纹理特征提取在肿瘤鉴别诊断中的应用

为了探讨人工神经网络和图像纹理特征提取在肿瘤鉴别诊断中的应用;采用了收集病例资料并对其进行处理,以及提取相关医学图像纹理特征指标的方法;根据整理的病人相关临床检查指标、CT图像有特征性的指标、利用灰度共生矩阵提取的肿瘤CT图像纹理特征指标,得出了建立应用于肿瘤鉴别诊断的人工神经网络模型的结果;进一步得出结论:人工神经网络和图像纹理特征提取可以应用于肿瘤的鉴别诊断.

基于纹理特征的超声图像乳腺肿块识别

针对乳腺超声图像,提出一种基于图像纹理特征提取的乳腺肿块识别方法,从而有助于使用计算机辅助鉴别的方法判断乳腺肿块是否发生癌变,辅助放射科医生对影像的性质作出预判。首先对乳腺超声图像进行最大响应滤波处理,在保证一定边缘组织结构完整的同时去除主要的噪声干扰。在此基础上,提取乳腺图像的一阶和二阶纹理特征,然后用人工神经网络对特征进行识别分类。在从医院拿到的真实数据集上验证本文方法的准确性,并分别从预处理、特征提取和分类方法3个方面与其他方法进行对比分析,结果表明,本文方法在降低算法复杂度的基础上提升了乳腺肿块的识别率。

结合纹理特征分析的图像风格转换网络

针对图像风格转换效率不高、效果不佳的问题,提出一种结合图像纹理特征分析,并基于预训练网络的前馈残差图像风格转换算法。该算法利用预训练深层网络来提取风格图的深度特征,采用残差网络来进行深层训练以及进行图像变换;同时通过分析研究输入风格图与内容图的纹理特征对转换效果的影响,针对不同输入图像采取相应的处理方法来提升转换效果。实验结果表明,与现有深度图像风格转换算法相比,该算法的输出视觉效果更佳,归一化风格损失更小,耗时更短,并且根据输入图像的信息熵与不变矩的计算来指导网络参数的设定与调整,能够针对性地优化网络,取得了良好的效果。

基于量化数据特征统计的深伪图像检测研究

深度伪造技术因“低门槛、高效率、高仿真”等特性而被滥用于伪造身份,引发的个人信息安全问题给公共安全治理带来了严峻挑战。目前深度伪造图像主流检测以卷积特征为主,量化特征应用较少,基于量化特征占用空间小,运行成本低等优点,探究图像各颜色分量上的纹理、颜色特征与图像真伪的关联程度,筛选有效特征进行深伪图像自动检测,研究量化特征在深伪图像鉴定方面的应用价值。对深度伪造人脸数据集ForgeryNet中的40000幅实验样本图像进行分组实验,提取各组图像在Gray,YCrCb,Lab,HSV和RGB颜色空间上的纹理特征和颜色特征,利用多元统计法筛选既具有显著差异又具有相关性的特征,然后用XGBoost、逻辑回归分类器、线性SVM、多层感知机和TabNet进行算法验证,并与主流卷积神经网络进行对比分析。在5类算法中,XGBoost和LSVM分类效果较好;MLP和LP效果较差;TabNet效果不稳定,受分类类型影响较大,检测精度在52%~89%之间。数理统计筛选所得特征下的深伪图像检测精度显著提高,在真伪图像组,在真伪图像组,XGBoost算法在筛选特征和纹理特征时的检测精度比所有特征时分别提高1.10%和1.43%,LSVM和MLP两种算法在纹理特征时的检测精度比在所有特征时分别提高了0.12%和0.10%。利用颜色空间下筛选的量化特征,其检测精度均高于主流卷积神经网络的检测精度,且纹理特征的检测结果优于颜色特征,对身份替换深伪图像更易识别。相比图像卷积特征,量化特征具有较强的解释性,在鉴定领域具有较高的利用价值。

图像纹理特征分析及提取方法

将计算机机器视觉、图像处理及图像分析技术紧密结合起来并用于图像纹理特征的分析,通过总结已有的研究成果,研究分析图像在区域化、边缘化、数学变换化等不同算法思想下提取的纹理特征,并总结提出了一种计算成本趋向实时处理的图像纹理特征处理方案。该方案研究了更为精细的纹理分类、纹理分割、纹理拼接和纹理配准等算法,并可实现图像纹理特征提取的准确性和良好的扩展性,实现后续分类、分割、拼接和配准等基本应用的及时性、准确性和高效性。