纹理相似性度量研究及基于纹理特征的图象检索

纹理相似性研究是纹理合成和基于内容检索研究中的一个重要组成部分．在相似性判断中，采用与人类视觉感知相对应的纹理特征，将比使用其他无明确含义的纹理特征，对系统的进一步改善有着更为重要的指导意义．在 Tamura，Amadasun 和 Haralick 等人提出的纹理特征的基础上分析了与人类视觉特征有较为明确对应关系的19个纹理特征，不同纹理之间的相似性由这19个纹理特征构成的归一化特征向量之间的加权欧氏距离决定．对大量纹理图像的相似性进行了度量，实验结果表明所选的纹理特征有较强的描述能力．使用了主成分分析算法来压缩特征向量的维数，结果表明，6维特征主分量已经可以给出较好的纹理相似性度量．

纹理感知相似性学习综述

作为物体表面的一种基本属性,纹理图像包含了纹理颜色、纹理基元等丰富的图像信息。在计算机视觉研究领域中,人们使用感知相似性来度量不同纹理之间的相似程度,研究人类对纹理图像的视觉感知。纹理相似性度量广泛应用于纹理识别和材质识别,是对象识别和场景理解的关键技术之一。可靠的感知相似性数据可以通过心理物理学实验获得,研究人员通过计算特征之间的距离度量估计纹理感知相似性。本文重点从纹理感知数据获取、纹理计算特征提取和纹理感知相似性估计三个方面回顾了纹理感知相似性学习的发展和常见的处理方法,并结合卷积神经网络对纹理感知相似性学习的对未来发展趋势作了分析。

基于小波分解和灰度共生矩阵的纹理图像检索

采用Daubechies4小波对图像进行三层Mallat塔式分解,取每个分解层次上的每个子带图像的能量,加入在低频子带上提取的灰度共生矩阵统计量,来形成最终的特征向量以提高检索精度。

复杂海地背景下的舰船目标检测

提出一种新的基于纹理特征相似度的图像区域分割方法——迭代合并-扩张法。通过对各区域直方图的相似性比较,来确定不同区域纹理特征的相似性,把纹理特征相似性权值作为区域一致性度量,迭代合并相似区域完成图像的初始分割,再通过区域扩张来解决小区域纹理特征的不稳定性问题,完成图像中水域与陆地的精确分割。最后利用形态学对比度法在水域中进行目标检测。试验结果表明,此方法能很好地实现复杂海地背景下的舰船目标检测。

一种多曝光融合图像质量评价方法

多曝光融合(Multi-exposure Fusion,MEF)可将同一场景拍摄的几幅不同曝光图像融合成细节更丰富的图像。针对不同融合算法得到的MEF图像可能存在纹理丢失、结构混乱、亮度及颜色失真等现象,提出了一种基于非下采样剪切波变换(Non-subsampled Shearlet Transform,NSST)的多曝光融合图像质量评价方法。所提出算法先利用非下采样剪切波变换能较好地反映图像的纹理信息,获得较稀疏的图像表示,在NSST域对多曝光图像源序列和融合图像进行纹理相似度度量;其次,考虑融合图像可能会出现亮度和色度失真,提取其亮度和色度特征用于质量评价;再利用梯度特征来描述人类视觉较为敏感的边缘信息,并进行结构相似度度量。最后,采用随机森林的方法对以上4类特征进行训练,建立质量评价模型。实验结果表明,所提出方法的Pearson线性相关系数约为0. 902,Spearman秩相关系数约为0. 874,优于现有的MEF图像质量评价方法,与人眼视觉感知的一致性更好。

基于多特征融合的运动阴影去除算法

在运动目标检测中,由于运动阴影与前景物体具有相似的运动特征,传统的方法很难区分运动对象及其阴影。为了解决这一问题,提出了一种基于多特征融合的阴影去除算法。在HSV颜色空间下利用阴影所具有的色度不变性特征对前景图像进行预处理并得到阴影的候选区域;利用小波变换分析候选区域和与之对应背景区域纹理特征的相似程度,去除其中的相似成分得到最终的检测结果。实验结果表明,提出的方法在不同场景下能够有效地去除运动阴影区域。