分形几何在影像纹理分类中的应用

本文基于分形几何中的分维值对影像纹理进行分类。系统地介绍了以影像分维值为依据，采用多分辨率分维值，以及本文提出的利用已有空隙（Ｌａｃｕｎａｒｉｔｙ）概念的拟合回归法，对影像纹理进行分类的全过程。试验表明该方法对标准纹理和航空影像纹理的分类都能取得较好的效果。

基于分形理论的遥感影像分类研究

分形理论是非线性科学领域的一大支柱,它的提出为人们解决非线性世界的问题提供了新的思想和方法,由于分形维数与人类对图像表面纹理粗糙度的感知是一致的,利用分形理论进行遥感影像分类具有潜在的理论和应用价值。本文根据遥感影像特点,引入分形方法来描述其纹理结构特征,利用双毯覆盖模型来提取遥感影像的纹理特征,在此基础上,采用K-means算法将纹理结构特征与光谱特征相结合,进行遥感影像分类,其分类效果优于单纯采用光谱特征的分类。

基于分形维数的皮革图像分类研究

为了对皮革图像进行分类,引入分形维数这一新特征,并通过毯子法计算皮革图像的分形维数,通过与实验所得的阈值进行比较实现牛皮和羊皮图像的分类.试验表明,该方法对牛皮和羊皮图像能进行有效的分类.

分维和孔隙度在肝癌超声纹理识别中协同作用

对分维和孔隙度及其组合因子表征超声肝癌图像纹理特征的性能进行了对比研究。以正常肝和肝癌各14幅超声图像为样本,用4种分维和一种孔隙度方法计算分维和孔隙度值。用ROC进行评估,单因子的傅里叶功率谱分维和盒柱平均值孔隙度值有较大的ROC曲线下面积。用SVM对单因子和组合因子进行训练和检验表明,傅里叶功率谱分维与盒柱平均值孔隙度(FPS+LBCM)(4个核)和差分盒计数分维与盒柱平均值孔隙度(DBC+LBCM)(除SIGMOID外)构成的组合因子有比单因子较高的分类准确率。

纹理模型法用于影像纹理分类

在分析分形维和马尔可夫随机场两种主要纹理模型法的基础上，提出了先用马尔可夫随机场方法进行纹理分类，再用分形维方法对那些具有相同马尔可夫随机场模型及参数值相近的纹理影像进行分类的方法。该方法不仅能提供出影像纹理的纹理基元，还能给出影像粗糙性、自相似程度，减少了纳伪误差。

三种纹理分类方法在航片纹理分类中的试验与分析

采用三种比较典型又各具特色的纹理分类方法，对航片影像纹理分类进行了试验。通过对结果的分析得到一些结论，这些结论对于选用和搭配影像纹理分类方法有一定的指导作用。

基于DBC的分辨率遥感影像纹理特征提取及分类研究

为进一步提升遥感影像的分类精度,利用差分盒维法对中、高分辨率遥感影像纹理特征进行提取,并将其作为新波段与原始波段结合后,再进行影像的分类处理。结果表明:对于波段数目较少、分辨率高的遥感影像数据,加入分形纹理图像进行辅助分类后,较仅使用原始波段时,分类精度提高0.747%,差分盒维法的最佳分形波段为B3波段,最佳分形窗口尺寸大小为16*16;对于波段数目较多、空间分辨率为中等的遥感影像数据,加入分形纹理图像进行辅助分类后,较仅使用原始波段时,分类精度提高0.215%,差分盒维法的最佳分形波段为OLI7波段,最佳分形窗口尺寸大小为16*16;差分盒维法更适用于高分辨率遥感影像的地物辅助分类。