一种基于皮肤纹理特征的皮肤分类算法

根据皮肤纹理的深浅、节点数及纹理粗细等主要特征,采用小波包及二维傅里叶变换分析方法和数学形态学分析法实现了皮肤的特征提取。利用小波包分解得到的空间频率信息对二值化纹理图像进行空域滤波去噪,利用基本竞争型人工神经网络进行纹理分类。结果表明,这一方法可获得较理想的分类结果。     

一种新的基于纹理和空间分布特征的图像检索

提出一种新的基于纹理和空间分布特征的图像检索方法.将检索图像分块,采用平移和尺度不变小波对各图像子块进行分解,在改进的快速小波直方图算法基础上提取图像子块的小波直方图,并提取每个图像子块的小波信息熵和三阶中心距作为纹理特征.对小波信息熵和中心矩特征进行高斯归一化,并利用特征向量的欧氏距离计算图像的纹理和空间特征的相似度.基于纹理图像库和自然图像库的检索试验表明,该方法比基于快速小波直方图算法和对数极坐标变换检索算法具有较高的检索准确度.     

一种基于Log Gabor的旋转不变纹理图像检索算法

针对图像检索时的旋转问题提出一种基于Log Gabor小波的旋转不变纹理特征。依据Log Gabor分解子带的均值及方差分布并结合广义Hurst分形特征对纹理进行描述,并在各尺度上采用主方向排序的方法对方向子带特征进行调整得到旋转不变特征向量。分别采用旋转纹理库和普通纹理库进行仿真实验,结果表明算法在两种情况下都取得了较好的检索效果。此外,在相同特征类型和图像库的条件下将本算法与Gabor算法结果进行对比,实验表明本算法的检索性能明显优于Gabor算法的检索性能。     

基于小波多通道特征级融合的彩色纹理图像分析

在不完全树型小波分解基础上将纹理和颜色特征进行融合,提出了适合彩色纹理图像分析的新的特征,它比单纯的灰度纹理特征或颜色特征具有更强的分类能力.同时还利用20类真实彩色自然纹理图像对塔式小波分解、不完全树型小波分解和小波包分解进行了多特征融合的分类比较,实验结果表明:不完全树型小波分解的特征级融合表现出良好的分类性能和抗噪能力.     

具有任意方向的扇形滤波器及其在图像方向检测中的应用

扇形滤波器在图像的方向检测中是非常重要的.本文基于极傅里叶变换和一个楔形滤波器,设计出具有任意方向的二维扇形滤波器.首先,楔形滤波器被变换到极傅里叶域,再利用极傅里叶变换的旋转特性,楔形滤波器可以通过将其极傅里叶变换沿着水平方向进行移动来实现旋转,得到一系列具有任意方向导向的扇形滤波器,它们能够检测图像中所包含的任意方向信息.由于整个设计过程不涉及二维优化,因此所提出的设计方法具有设计简单的优点.为了验证扇形滤波器的方向敏感性,将所设计的扇形滤波器应用于图像的纹理方向检测,结果表明,具有任意方向的扇形滤波器在图像纹理方向检测中具有很大的潜能.     

一种新的红外成像末制导目标跟踪方法

为了稳定跟踪导弹末制导阶段的红外目标,提出了一种基于尺度不变特征变换的红外目标跟踪算法.尺度不变性特征变换所提取的图像纹理特征具有尺度和旋转不变性,跟踪算法分别提取目标模板和待跟踪图像的尺度不变特征变换特征.根据最小欧氏距离准则提取目标模板与待跟踪图像间相匹配的尺度不变特征变换特征点对,利用该特征点对拟合反映两图像间映射关系的仿射模型,并据此估计目标中心位置及调整目标模板尺寸.仿真结果表明,跟踪算法能够较好地实现在导弹末制导阶段对红外地面杂波背景下目标的稳定跟踪,其跟踪准确度和稳定度优于传统方法.
关键词:末制导跟踪|尺度不变性特征变换|特征匹配|仿射模型     

基于双树复数小波变换的微钙化诊断方法

提出一种基于双树复数小波变换的微钙化分类方法.通过提取基于小波和灰度直方图的纹理特征,结合遗传算法进行特征优化,分别用神经网络,支持向量机和KNN分类器进行微钙化的良恶性分类.对三种不同的分类器进行对比,结果表明:KNN分类器取得最好的效果,而支持向量机优于神经网络.KNN分类器对比于神经网络和支持向量机,无需训练,可节约训练时间,最直接地利用了样本和样本之间的关系,减少了类别特征选择不当对分类结果造成的不利影响,可以最大程度地减少分类过程中的误差项.在类别决策时,KNN分类器只与极少量的相邻样本有关,可以较好地避免样本数量的不平衡问题.与传统的小波比较,双树复数小波具有近似平移不变性和正则性,对图像信号具有良好的方向选择性,且冗余度有限,计算量较小.     

基于四叉树复小波变换的卫星图像去噪

小波变换方法被广泛应用于图像处理,但由于其不具有平移不变性以及较少的方向选择,因而限制了它的应用范围。四叉树复小波变换,是对Malla算法的一种改进,通过奇偶滤波器的对称使用,在四棵数上分别实现分解和重构。与一般复小波一样,四叉树复小波算法具有较好的方向选择性和平移不变性,并且容易实现完全重构。采用四叉树复小波变换和基于子带噪声的自适应阈值方法,对一幅卫星图像进行了去噪处理,仿真实验表明该方法具有较好的去噪效果。     

基于双树复数小波变换的微钙化诊断方法

提出一种基于双树复数小波变换的微钙化分类方法.通过提取基于小波和灰度直方图的纹理特征,结合遗传算法进行特征优化,分别用神经网络,支持向量机和KNN分类器进行微钙化的良恶性分类.对三种不同的分类器进行对比,结果表明:KNN分类器取得最好的效果,而支持向量机优于神经网络.KNN分类器对比于神经网络和支持向量机,无需训练,可节约训练时间,最直接地利用了样本和样本之间的关系,减少了类别特征选择不当对分类结果造成的不利影响,可以最大程度地减少分类过程中的误差项.在类别决策时,KNN分类器只与极少量的相邻样本有关,可以较好地避免样本数量的不平衡问题.与传统的小波比较,双树复数小波具有近似平移不变性和正则性,对图像信号具有良好的方向选择性,且冗余度有限,计算量较小.     

彩色纹理分析中的多特征数据融合方法

在小波分解基础上将纹理特征、颜色特征及纹理与颜色的空间相关特征进行融合，提出了一种新颖的彩色纹理特征提取方法，同时结合20类真实彩色自然纹理，针对塔式小波分解(PWD)，不完全树型小波分解(ICTSWD)和小波包分解(WPD)进行了多特征融合和分类比较，实验结果表明：塔式小波分解基础上的多特征融合，其正确分类率为85．78％；小波包分解基础上的多特征融合，其正确分类率为91．03％，但其特征维数呈指数增长；而不完全树型小波分解有选择地进行通道分解，其维数大大下降，多特征融合后的正确分类率达到90．63%，同时也表现出良好的抗噪能力。     

基于数学形态谱和二维矢量分类网络的模式识别及二维矢量分类网络的光学实现

介绍一种基于数学形态谱和二维矢量分类网络的模式识别体系。数学形态谱相对于图像平移和旋转不变。建立了光学二维矢量分类网络，利用光学逻辑操作和最大值网络的循环操作，得到与输入图像最佳匹配的模式。     

基于I-BGLAM纹理和光谱融合的高光谱显微成像木材树种分类

为了提高木材树种分类的正确率,提出了一种基于I-BGLAM纹理特征和光谱特征融合的高光谱图像的木材树种分类方法。实验数据是利用SOC710VP高光谱成像仪获取的可见光/近红外（372.53~1 038.57 nm）范围内的高光谱图像。首先,利用基于OIF的特征波段选择方法降低高光谱图像的维数,选择出含有信息量大的波段。其次,对选择出的波段图像使用NSCT及NSCT逆变换得到融合图像,对得到的融合图像使用I-BGLAM提取其纹理特征。与此同时,对高光谱图像的全波段求取平均光谱并进行S-G（Savitzky-Golay）平滑得到光谱特征。最后,将得到的纹理特征和光谱特征融合后送进极限学习机（ELM）中进行分类。此外,还和基于灰度共生矩阵（GLCM）的木材识别的传统方法以及近几年木材树种识别领域内被提出的主流方法进行了比较。该研究主要创新点有两个：一是将强纹理提取器I-BGLAM用于高光谱图像中提取其纹理特征;二是提出一种新的特征融合的模型用于高光谱图像的分类。针对8个树种的实验结果表明,单独使用I-BGLAM提取的纹理特征来进行分类的正确率最高可到达88.54%,而使用GLCM提取纹理特征的传统方法正确率最高只有76.04%,该结果可以得出本文使用I-BGLAM在纹理特征提取方面要优于GLCM,这为后面建立的融合模型打下很好的基础,单独使用平均光谱特征来分类的正确率最高可以达到92.71%,使用所提出的特征融合方法所得到的分类正确率最高可达到100%,这说明使用所提出的融合模型来分类要比以前单独使用某一种特征的分类模型要好。此外,使用所提出的方法得到的分类正确率要高于本领域内其他两种主流的识别方法。因此,所提出的基于I-BGLAM纹理特征和光谱特征融合的方法能够提高木材树种分类的正确率,该方法在木材树种分类方面有着一定的利用价值。     

基于脑部磁共振图像三维局部模式变换特征提取进行阿尔茨海默病病程预测分类

本文提出一种三维局部模式变换提取进行纹理特征并与常规特征相融合的方法,基于脑部磁共振图像,对认知功能正常的健康人体（CN）、轻度认知障碍（MCI）患者和阿尔茨海默病（AD）患者进行预测分类.首先对46例CN对照组、61例MCI患者和25例AD患者的脑部磁共振图像提取感兴趣区域,然后提取双侧海马体组织、灰质和白质的三维局部模式变换纹理特征和常规特征,并将两类特征融合,使用支持向量机分类算法进行分类.结果显示利用本方法,基于双侧海马体组织对AD组和CN组进行分类的准确率为88.73%、敏感度为78.00%、特异度为95.7%、受试者工作特征（ROC）曲线下面积（AUC）为0.886 5;基于灰质的准确率为85.92%、敏感度为80.00%、特异度为86.6%、AUC为0.854 3.这证明基于海马体磁共振图像,利用本文提出的改进三维局部模式变换提取的纹理特征进行阿尔茨海默病病程分类效果较好,融合常规特征后更可提高分类预测的精度.     

Scale and rotation robust line-based matching for high resolution images

A line-based matching method is proposed to overcome the low significant level of point feature and the shortage in the matching between weak texture images. Edges are extracted to generate line segments at first. Then, saliency-lines are detected and a control network is constructed in each image. Every remaining general-line is grouped into a saliency-line through a process of clustering. Finally, an iterative algorithm is applied to search for correspondences based on their position relative to the saliency-line. Sufficient spatial information is available to reduce the ambiguity and avoid false matches. Experimental results demonstrate that the proposed method is robust to image scale change and rotation, and the performance is better than point-based method in low texture area.     

Stacked sparse autoencoder in hyperspectral data classification using spectral-spatial,higher order statistics and multifractal spectrum features

This paper proposes a novel classification paradigm for hyperspectral image (HSI) using feature-level fusion and deep learning-based methodologies. Operation is carried out in three main steps. First, during a pre-processing stage, wave atoms are introduced into bilateral filter to smooth HSI, and this strategy can effectively attenuate noise and restore texture information. Meanwhile, high quality spectral-spatial features can be extracted from HSI by taking geometric closeness and photometric similarity among pixels into consideration simultaneously. Second, higher order statistics techniques are firstly introduced into hyperspectral data classification to characterize the phase correlations of spectral curves. Third, multifractal spectrum features are extracted to characterize the singularities and self-similarities of spectra shapes. To this end, a feature-level fusion is applied to the extracted spectral-spatial features along with higher order statistics and multifractal spectrum features. Finally, stacked sparse autoencoder is utilized to learn more abstract and invariant high-level features from the multiple feature sets, and then random forest classifier is employed to perform supervised fine-tuning and classification. Experimental results on two real hyperspectral data sets demonstrate that the proposed method outperforms some traditional alternatives.     

三维Gabor滤波器与支持向量机的高光谱遥感图像分类

根据高光谱遥感图像的特点及二维Gabor滤波器纹理分割的原理,提出了一种基于三维Gabor滤波器的高光谱遥感图像分类方法。三维Gabor滤波器能够对高光谱遥感图像所有波段同时进行滤波,将大量的图像信息抽取为少量的不同尺寸、方向和波谱的响应,极大减少了高光谱遥感图像纹理信息提取的计算量。利用不同方向和尺寸的三维Gabor滤波器对祁连山黑河流域上游地区的Hyperion影像全波段进行滤波处理,获取26个纹理响应特征,并分析不同纹理对不同地物的区分度。利用自动子空间划分的波段指数(BI)进行波段选择,选取不同的波段组合进行试验,寻找最佳降维幅度。按照纹理对不同地物响应的区分度逐一加入三维Gabor纹理特征,利用三维Gabor纹理辅助光谱信息,运用支持向量机(SVM)的方法进行监督分类。结果表明,基于三维Gabor纹理和自动子空间BI波段选择的SVM分类方法能够在有效降低光谱维数的同时,提高高光谱遥感图像分类的精度和效率。     

Distortion-Invariant Binary Image Recognition Based on Central Projection Correlation

A method of central projection correlation which is invariant to distortion of shift, scale and rotation of the binary target image is proposed. A 2-D binary image is transformed into an 1-D central projection referring to the centroid of the binary image. The distortion-invariant central projection correlation is successfully performed by computer simulations and its optical implementation is presented.     

Wood species identification using feature-level fusion scheme

In this paper, we propose a robust wood species identification scheme by using a feature-level fusion scheme. First, a novel wood feature acquirement system is devised, which can get the curve of 1D wood spectral reflectance ratio and the 2D wood surface color image. Second, the 4 wood color features, the 4 principal texture features, the 4 secondary texture features and the 4 spectral features are established, respectively. Third, a fuzzy BP neural network is proposed to perform the classification work, which consists of 4 sub-networks based on the color feature, texture feature and spectral feature. We have experimentally proved that this scheme improves the mean recognition accuracy to approximately 90% for 5 wood species. Moreover, our feature-level fusion scheme is superior to the recognition schemes which use color feature and texture feature.