基于图象纹理频谱的海上小目标自动检测

纹理单元（TextureUnit）给出了一幅图象微纹理（Microtexture）的有效描述，作为其函数的纹理频谱则能很好地区分不同宏纹理（Macrotexture）之间的差异。利用纹理频谱在纹理分析方面表现出来的优良性能，提出了一种基于纹理频谱的小目标自动检测新方法。实验证明，该方法与其它方法相比，具有定位精确、计算简单、抗噪能力强和实时性较好的优点。

基于图像纹理频谱的弱目标自动检测

弱目标所含信息的相对贫乏，使得基于目标的检测算法往往难以获得满意的效果，另一方面，弱目标的存在常常使其所在局部区域的纹理较之包含该区域的更大区域的纹理发生较大改变；而纹理单元及其函数纹理频谱则分别能有效地捕获这两个区域在微纹理及宏纹理上的差异，从而检测出弱目标。基于这一思想，文中提出了一种基于纹理频谱的弱目标自动检测新方法。实验证明，该方法与其它方法相比，具有定位精确、算法简单、抗噪能力强和运算速度较快的优点。

基于纹理频谱子集的纹理识别

纹理频谱法是一种有效的纹理特征提取方法,但其所提取的特征高达6 561(38)维,导致很大的存储和计算复杂性.局部二值模式通过简化纹理频谱法的定义,虽然减小了计算的复杂性,却削弱了纹理的刻划能力.为了在保持纹理频谱法纹理刻划能力的同时,又减少其存储和计算复杂性,提出了基于子集的纹理频谱方法.新方法建立在统一模式的概念上,仅提取纹理频谱的1个子集,特征维数仅为原方法的12%,大大减小了空间和时间代价.实验结果表明,新方法比纹理频谱法和局部二值模式具有更好的纹理识别性能.

基于多级纹理频谱特征与PCA的人脸识别算法

针对主成分分析(PCA)算法在人脸识别中识别率低的问题,提出一种图像纹理频谱特征与PCA相结合的人脸识别算法。该算法利用纹理单元算子提取人脸图像纹理频谱特征,然后用PCA对所提取的特征降维,最后利用最近邻(KNN)分类器进行人脸识别。在ORL人脸库和Yale人脸库上对所提出的算法进行了测试,识别率均高于PCA、模块化二维PCA(M2DPCA)等方法,分别为96.5%和95%。实验结果表明了该算法的有效性和准确性。

基于纹理频谱的电气化铁路绝缘子劣损状态检测

针对铁路接触网绝缘子的劣损状态自动识别检测问题,提出一种利用纹理频谱原理进行绝缘子劣损状态的识别检测方法。将检测车获取的接触网悬挂装置全局图像进行预处理,利用基于边缘点的方法从复杂的接触网图片背景下去除干扰,分割出局部绝缘子图像,然后采用基于纹理频谱的方法对绝缘子状态进行自动识别检测,最终判断出绝缘子的实际运行状态。经实践表明,该方法能够实现接触网绝缘子的精确定位,且检测准确度较高,对于电气化铁路接触网绝缘子的安全检测提供了技术参考。

基于ELM理论的昆虫分类

机器视觉技术应用在昆虫分类领域,取代传统人眼观察识别过程、提高了工作效率。自动识别技术包含昆虫特征提取和分类器设计两个主要步骤。根据整个识别过程,文中提出了一种基于混合特征的ELM理论昆虫识别方法。在特征提取阶段,提取混合特征包括颜色特征、形态特征、空域纹理特征和频谱纹理特征。在分类器设计阶段采用具有学习速度快且泛化性能好的极限学习机。实验结果表明,该方法使昆虫识别的正确率达到97%,且分类器训练时间短,优于传统的自动识别方法。