采用图像的结构化局部边缘模式特征(structured local edge pattern,SLEP)对文档图像进行分类,由于该算法精确描述了图像边缘方向邻域中的空间分布,因此相应的学习对于文档图像类型具有很强的区分能力.与基于图像复杂结构分布特征的方...采用图像的结构化局部边缘模式特征(structured local edge pattern,SLEP)对文档图像进行分类,由于该算法精确描述了图像边缘方向邻域中的空间分布,因此相应的学习对于文档图像类型具有很强的区分能力.与基于图像复杂结构分布特征的方法或基于光学字符识别系统特征(OCR)的方法相比,基于SLEP特征的方法更简单有效.本实验通过组建文档图像数据库,利用支持向量机(SVM)作为分类器,总共对4种文档图像类型进行分类,分别为学术论文(paper),影像照片(photo),表格文件(table),幻灯影片(slide).实验结果表明,基于SLEP特征的方法在准确率、召回率等方面都明显优于所对比方法,并且即使在文档图像低分辨率的情况下,所分类结果仍然有不错表现.展开更多
绿色植物物种识别在生态环境保护、中药制取、农业与园艺应用等方面有着重要的应用前景和潜在的经济价值。边缘是一种直观、简单、有效的对象识别特征,文中针对传统边缘算子方向少,尺度单一,操作不灵活等缺点,使用一种具有多尺度、多方...绿色植物物种识别在生态环境保护、中药制取、农业与园艺应用等方面有着重要的应用前景和潜在的经济价值。边缘是一种直观、简单、有效的对象识别特征,文中针对传统边缘算子方向少,尺度单一,操作不灵活等缺点,使用一种具有多尺度、多方向属性的圆形局部边缘模式算子(varied local edge pattern,VLEP)提取植物图像的边缘特征,同时考虑阈值细分的思想,在自建的绿色植物物种数据库上进行的实验结果表明,该算法不仅可以弥补传统算子由于边缘方向少、尺度单一导致丢失边缘信息的缺陷,同时可以有效用于绿色植物物种识别。展开更多
由于传统基于梯度的方形边缘检测算子包含边缘方向过少(一般为2个或4个方向),因此无法从多分辨率角度检测边缘,进而会丢失其他方向的边缘信息。针对上述问题,提出一种具有多尺度、多分辨率特性的边缘检测算子,称为可变局部边缘模式(Vari...由于传统基于梯度的方形边缘检测算子包含边缘方向过少(一般为2个或4个方向),因此无法从多分辨率角度检测边缘,进而会丢失其他方向的边缘信息。针对上述问题,提出一种具有多尺度、多分辨率特性的边缘检测算子,称为可变局部边缘模式(Varied Local Edge Pattern,VLEP)算子,并用来提取图像边缘信息。算法主要思路包括,将图像经过高斯滤波器平滑,使用一组或多组VLEP算子与滤波后的图像进行卷积,得到边缘强度,从而获得边缘梯度值,最后设置适当的梯度阈值,对梯度图像进行二值化处理,完成图像的边缘检测。此外,当多组VLEP算子被同时使用时,考虑结合加权融合思想,以便获得更加丰富的边缘信息。实验结果表明,提出的边缘检测算法比其他经典的方法具有更好的边缘检测效果。展开更多
边缘是进行相似纹理图像分类的有效特征之一,为了提高边缘检测精度,使用可变化的局部边缘模式(Varied Local Edge Pattern,VLEP)算法,利用像元及其近邻的灰度变化进行区域统计,同时从多尺度和多方向的角度提取纹理边缘特征。然而,当图...边缘是进行相似纹理图像分类的有效特征之一,为了提高边缘检测精度,使用可变化的局部边缘模式(Varied Local Edge Pattern,VLEP)算法,利用像元及其近邻的灰度变化进行区域统计,同时从多尺度和多方向的角度提取纹理边缘特征。然而,当图像分辨率发生变化,或图像受到光照、反射的影响时,纹理计算可能会出现较大偏差。为此,在VLEP算法的基础上,提出主导学习框架相似纹理分类方法,通过构建全局主导模式集,解决纹理计算偏差导致的类间距离小和类内距离大的问题。实验结果表明,主导边缘模式思想可以有效地提高相似纹理图像的分类准确率。展开更多
绿色植物物种识别在生态环境保护、中药制取、农业与园艺应用等方面有着重要的应用前景和潜在的经济价值。以绿色植物图像为研究对象,提出一种基于小波变换和可变局部边缘模式VLEP(Varied local edge pattern)的图像识别方法。对绿色植...绿色植物物种识别在生态环境保护、中药制取、农业与园艺应用等方面有着重要的应用前景和潜在的经济价值。以绿色植物图像为研究对象,提出一种基于小波变换和可变局部边缘模式VLEP(Varied local edge pattern)的图像识别方法。对绿色植物图像进行小波分解;利用可变局部边缘模式提取纹理特征,同时结合分块和多分辨率思想,得到融合后的纹理特征;利用最近邻分类器进行分类。实验结果表明,小波变换和可变局部边缘模式相结合是一种可行的绿色物种识别方法,分块和多分辨率思想能够进一步提高图像识别的准确率。展开更多
文摘采用图像的结构化局部边缘模式特征(structured local edge pattern,SLEP)对文档图像进行分类,由于该算法精确描述了图像边缘方向邻域中的空间分布,因此相应的学习对于文档图像类型具有很强的区分能力.与基于图像复杂结构分布特征的方法或基于光学字符识别系统特征(OCR)的方法相比,基于SLEP特征的方法更简单有效.本实验通过组建文档图像数据库,利用支持向量机(SVM)作为分类器,总共对4种文档图像类型进行分类,分别为学术论文(paper),影像照片(photo),表格文件(table),幻灯影片(slide).实验结果表明,基于SLEP特征的方法在准确率、召回率等方面都明显优于所对比方法,并且即使在文档图像低分辨率的情况下,所分类结果仍然有不错表现.
文摘绿色植物物种识别在生态环境保护、中药制取、农业与园艺应用等方面有着重要的应用前景和潜在的经济价值。边缘是一种直观、简单、有效的对象识别特征,文中针对传统边缘算子方向少,尺度单一,操作不灵活等缺点,使用一种具有多尺度、多方向属性的圆形局部边缘模式算子(varied local edge pattern,VLEP)提取植物图像的边缘特征,同时考虑阈值细分的思想,在自建的绿色植物物种数据库上进行的实验结果表明,该算法不仅可以弥补传统算子由于边缘方向少、尺度单一导致丢失边缘信息的缺陷,同时可以有效用于绿色植物物种识别。
文摘由于传统基于梯度的方形边缘检测算子包含边缘方向过少(一般为2个或4个方向),因此无法从多分辨率角度检测边缘,进而会丢失其他方向的边缘信息。针对上述问题,提出一种具有多尺度、多分辨率特性的边缘检测算子,称为可变局部边缘模式(Varied Local Edge Pattern,VLEP)算子,并用来提取图像边缘信息。算法主要思路包括,将图像经过高斯滤波器平滑,使用一组或多组VLEP算子与滤波后的图像进行卷积,得到边缘强度,从而获得边缘梯度值,最后设置适当的梯度阈值,对梯度图像进行二值化处理,完成图像的边缘检测。此外,当多组VLEP算子被同时使用时,考虑结合加权融合思想,以便获得更加丰富的边缘信息。实验结果表明,提出的边缘检测算法比其他经典的方法具有更好的边缘检测效果。
文摘边缘是进行相似纹理图像分类的有效特征之一,为了提高边缘检测精度,使用可变化的局部边缘模式(Varied Local Edge Pattern,VLEP)算法,利用像元及其近邻的灰度变化进行区域统计,同时从多尺度和多方向的角度提取纹理边缘特征。然而,当图像分辨率发生变化,或图像受到光照、反射的影响时,纹理计算可能会出现较大偏差。为此,在VLEP算法的基础上,提出主导学习框架相似纹理分类方法,通过构建全局主导模式集,解决纹理计算偏差导致的类间距离小和类内距离大的问题。实验结果表明,主导边缘模式思想可以有效地提高相似纹理图像的分类准确率。
文摘绿色植物物种识别在生态环境保护、中药制取、农业与园艺应用等方面有着重要的应用前景和潜在的经济价值。以绿色植物图像为研究对象,提出一种基于小波变换和可变局部边缘模式VLEP(Varied local edge pattern)的图像识别方法。对绿色植物图像进行小波分解;利用可变局部边缘模式提取纹理特征,同时结合分块和多分辨率思想,得到融合后的纹理特征;利用最近邻分类器进行分类。实验结果表明,小波变换和可变局部边缘模式相结合是一种可行的绿色物种识别方法,分块和多分辨率思想能够进一步提高图像识别的准确率。