纹理影像特征选择及K-means聚类优化方法

Gabor变换和K-means算法是最为常用的纹理分析方法。然而,采用Gabor变换得到的纹理特征向量具有较高的维数,影响算法的运行效率;K-means算法也易受初始类中心的影响而导致分类精度下降。因此,通过Relief算法对采用Gabor变换所提取的纹理特征进行选择,得到合适的纹理特征子集。进一步采用差分进化算法,对K-means算法的聚类中心进行优化从而提高纹理识别精度和效率。实验结果表明:提出的方法所需用到的纹理特征向量的维数相对于原始特征集有大幅降低,较之基本的K-means算法,纹理识别的精度也有较明显的提高。     

基于LWT的纹理特征提取方法

介绍了一种利用局部沃尔什变换(LWT)提取图像纹理特征的新方法,给出LWT的定义,并分析了LWT系数的统计特性及其各阶矩的纹理鉴别性能。结果表明:自然纹理图像的LWT系数一般不服从正态分布,其偶数阶矩具有较好的纹理鉴别性能,奇数阶矩的纹理鉴别性能较差,因此选取LWT系数的偶数阶(2、4、6阶)矩作为纹理特征。与Haralick[1]、Wang和He[2,3],以及HuiYu[5]等人提出的纹理特征相比,基于LWT的纹理特征具有更好的鉴别性能,并且计算简单。     

LiDAR点云纹理特征提取方法

针对图像纹理应用于LiDAR点云分类过程中存在的多义性问题，提出点云纹理特征的概念。该特征属性反映了点与其邻域点的属性值分布情况，提取过程基于KD树数据检索结构和灰度共生矩阵算法。分析搜索邻域、移动步长和灰度等级等参数对点云纹理特征的影响，并利用支持向量机分类方法验证点云纹理特征，可以有效地辅助高程和强度信息以改善LiDAR点云的地物分类结果。实验还证明了相比于栅格格式的图像纹理特征，点云纹理特征约束的地物分类具有更高的分类精度，并且点云纹理特征在微小地物的甄别和水陆的区分方面具有突出的能力。该特征的这些优秀特性可以为海岸带机载LiDAR数据的精细化分类、海岸带高精度DEM构建和海岸线提取等工作发挥重要作用。     

结构主导目标检测中的纹理随机化

已有基于卷积神经网络的目标检测算法倾向于提取目标纹理特征,而非结构特征;因此,已有方法不能实现变纹理目标的可靠检测。针对此问题,提出基于纹理随机化的结构主导目标检测方法,采用仿真纹理随机化方法减弱网络模型对纹理特征的拟合,实现基于结构特征的变纹理目标可靠检测。利用目标的三维模型,借助Blender渲染引擎,完成纹理随机化仿真训练数据集的生成。仿真及真实图像实验测试结果表明:该方法能够实现基于目标结构特征的变纹理目标可靠检测。     

一种快速检测纹理斑块的方法

提出一种检测纹理图像中的斑块的快速算法。算法利用图像中每个位置的代表块与纹理原型的K -S距离来进行纹理分类。研究了K -S距离的基本性质 ,给出了纹理原型的估计方法和层次快速搜索技术。对合成图像和自然图像的实验结果表明了该方法的有效性     

工程陶瓷表面粗糙度与图像纹理特征关系

为描述陶瓷磨削表面纹理特征与粗糙度的相互关系,实现快速评定和预测陶瓷磨削加工表面粗糙度,运用灰度共生矩阵对表面纹理特征进行提取和分析。根据采样点间距、灰度级随特征值的变化曲线确定灰度共生矩阵影响因素,按4个方向建立灰度共生矩阵并计算所有纹理特征参数均值。通过分析特征参数间相关性,确定4个参数为陶瓷磨削表面纹理主要特征参数。该参数与表面粗糙度的变化规律,可以反映陶瓷磨削表面粗糙度,进而评估磨削加工质量与可靠性。     

基于GPU的动态地形过程纹理映射方法

针对基于GPU的动态地形可视化算法中地形形变处的纹理映射问题,提出了在片元着色器里对多种纹理样本进行采样,以动态地形模型本身特点为纹理生成条件,以地形深度偏移图作为动态地形纹理分布alphamap图的动态地形过程纹理生成和映射方法。通过典型的弹坑和车辙纹理映射实验,验证了该方法的正确性和有效性。     

基于高度图的地形纹理生成方法

介绍了利用高度图生成地形纹理图的方法。阐述了多个特征纹理图融合的方法,根据高度值计算地形纹理图各像素RGB值的过程和遍历图的方法和技巧,并介绍了在高度图中确定顶点高度值的方法。利用此方法,可以按照自己的需求制作地形纹理图,为三维地形可视化研究提供了参考。     

一种综合颜色、纹理信息的皮肤检测方法

针对目前许多皮肤检测方法只考虑了像素级别上的颜色信息，未较好地利用图像空间上的其他信息，如纹理信息以及光照条件对成像颜色所造成的影响，在SPM方法的基础上提出了改进。首先引入“灰色世界”算法对因非标准光照所产生的颜色改变进行校正，有效提高了正检率。对SPM方法的输出部分通过灰度共生矩阵提取图像的纹理信息，过滤颜色信息为皮肤而纹理信息为非皮肤的像素区域，有效降低了误检率。实验结果表明，该方法取得了较好的效果。     

基于小波多方向信息组合的纹理图像检索

针对基于单一小波和复小波的纹理图像检索方法中图像纹理的向性信息不够多、影响检索率的问题，本文提出了一种将传统小波和复小波分解后得到的方向子带信息进行组合，并计算其一阶统计矩以提取特征，以Canberra距离度量相似性，从而提高纹理图像检索率的方法。对Brodatz图像库的仿真实验表明，本文提出的方法优于传统小波和复小波。     

复杂自然背景中人造目标的分割研究

在以自然景物为背景的图像中,分形维数特征是一种能有效将人造物体从自然背景中分割出来的一种纹理特征.提出了一种基于Gabor滤波器及差分盒维数的分形纹理特征提取方法,该方法依据不同的滤波器尺度分别采用不同尺寸的滑动窗口来计算分形纹理特征.并利用FCM方法实现了对图像的分割.实验表明该方法能很好地对真实自然背景的图像进行分割,并能由此获得人工目标的轮廓图像.     

基于小波分析的子带特征提取与选择方法

在研究了目标图像多尺度小波分解特性的基础上,提出了基于小波多尺度分解子带主成分的特征提取的算法。该算法利用图像在不同尺度的小波变换域中能量局部集中性,选择各子带能量较集中的局部小波系数构成图像目标特征向量。这种特征包含图像目标的主要边缘、纹理、灰度、结构等多种信息。由于对图像目标的特征信息的分布没有任何限制,因而适用于多种类型的图像的特征提取,可以解决单一特征提取方法中必须面对的所提取特征不明显的难点。这种特征向量对噪声有较好的鲁棒性。     

一种基于SIFT特征的抗几何攻击水印算法研究

尺度不变特征变换描述子已经应用于数字图像水印的构造,但图像存在相似区域时易造成误匹配问题,基于此提出一种改进的RIT—SIFT数字图像水印算法．水印嵌入时先对图像进行分块,然后将水印分别嵌入子块的非下采样Contourlet变换低频子带中,既简化了水印嵌人又增加了嵌入容量．图像匹配时利用SIFT算法在原始图像中寻找局部特征点,将旋转不变纹理特征信息融合到传统SIFT特征向量中,更加全面地描述图像信息,提高了匹配精度．实验结果表明,提出的算法是有效的,对全局和局部几何攻击、组合攻击以及常规攻击均具有很好的鲁棒性．