基于灰度共生矩阵的表面粗糙度研究

介绍了激光散斑的形成及其统计性质,拍摄大量不同加工工艺、不同表面粗糙度标准样块的散斑图像,基于激光散斑图像的灰度共生矩阵及惯性矩、角二阶矩、熵、相关性4个参量,对图像进行了纹理分析.分别绘制了不同加工工艺、不同表面粗糙度标准样块的4个参量与表面粗糙度关系的特性曲线.最后将实验结果和未知表面粗糙度工件的实验数据进行比对,准确估算出了工件的表面粗糙度.     

基于灰度共生矩阵的非平面表面粗糙度的图像纹理研究

采用灰度共生矩阵对不同加工工艺形成的非平面工件表面粗糙度进行了研究。讨论了灰度共生矩阵中二阶矩、对比度、相关值,熵等与图像纹理特性的关系,构建了实验装置,并利用Matlab软件对采集的激光散斑图像进行了处理,得到了共生矩阵的4个特征参数随表面粗糙度的变化曲线。为研究非平面工件的粗糙度,提供了一种新的技术途径。     

基于Gabor小波变换的ICA火灾图像纹理识别算法

针对火灾图像纹理识别问题,提出了基于Gabor小波变换的ICA火灾图像纹理识别算法,并根据火灾图像纹理识别特点进行了优化。首先用不同尺度和方向的Gabor滤波器对待识别图像滤波,得到其特征图像,然后将特征图像转化成特征向量作为ICA的输入,得到基矢量子空间,再将测试图像经过Gabor滤波器的特征向量投影到ICA子空间中得到系数向量作为目标识别特征,最后用支持向量机进行识别。通过与Gabor滤波器法和ICA方法的对比实验,表明该算法可以在火灾纹理图像的识别率上比传统方法提高5%以上,为火灾图像识别提供了一种新思路。     

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.     

基于光谱特征的高光谱遥感影像检索

面向海量遥感信息管理中遥感影像检索的需求,以高光谱遥感信息为例对光谱特征应用进行了探讨,提出基于光谱特征的遥感影像检索包括基于点源示例的检索和基于面源示例的检索,检索中的关键问题是光谱特征提取与相似性度量。基于光谱曲线的相似性度量可以采用光谱角和光谱信息散度进行;基于光谱特征的检索可以通过提取反射和吸收光谱、光谱特征匹配的方法进行;而光谱曲线量化指标如中心矩、分维数和信息熵等的效果较差,不适宜应用于检索。     

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.     

一种基于小波和矩阵型扩散的图像放大

提出了一种基于小波多分辨分析和矩阵型扩散的图像放大方法.该方法把原图像作为放大图像的小波低频子带,初始高频置零小波重构,用矩阵型扩散方程处理后小波分解,得到估计的高频再与原图像重构.在扩散中取矩阵型扩散的扩散系数,选择其特征根,使扩散在垂直于边缘方向梯度较大时为逆扩散以锐化边缘,而沿边缘方向为正向扩散以增强边缘;同时提出了放大图像与原图像的一种相似性标准.该方法在放大图像的同时既去除了噪音又有效保持了边缘.数值实验结果证实,此方法为一个有效地图像放大方法.     

基于灰度共生矩阵与反向投影的织物疵点检测

针对织物疵点检测,将灰度共生矩阵（Gray-level Co-occurrence Matrix,GLCM）与反向投影结合起来,提出了一种基于GLCM的反向投影方法（GLCM-BP）。首先介绍了GLCM-BP的原理,然后给出了织物疵点检测流程,分析并优化了GLCM的距离d与灰度级N等参数,选择了相应的滤波与自适应阈值分割方法以检测疵点,同时给出了7种常见疵点的检测结果。最后将本文方法与GLCM方法作了检出率的比较。结果表明,提出的方法具有良好的疵点分割效果,可显著提高疵点检出率。     

基于匹配度和多小波变换的图像融合

介绍了多小波变换的理论基础。多小波变换具有正交性、光滑性、对称性、有限支撑域等性质,因而非常适合用于图像处理。给出了多小波域的图像匹配度的定义,提出了一种基于匹配度和多小波变换的图像融合算法。该算法可以实现不同传感器图像的有效、可靠的融合。使用该算法对可见光图像和红外图像进行了融合实验,并对融合结果进行了评价和分析。     

Phase retrieval from fringe pattern with 1-D discrete wavelet transform

This paper proposes a novel method to obtain frequency modulation (FM) signals from a single fringe pattern for phase retrieval. First, a 1D discrete Meyer wavelet is employed to decompose the pattern image signal row by row and the soft-thresholding approach is applied to remove noise. The low frequency coefficients of the wavelet decomposition are then set to 0, and the signal is reconstructed. Moreover, the optimal wavelet decomposition level is adaptively determined using a cost function-based method. The reconstructed signal, which no longer contains a background component, is normalized using a nonlinear and piecewise normalization method. The proposed method is faster and more accurate than some other phase retrieval approaches, which is illustrated with two test cases.     

Phase retrieval of speckle fringe pattern with carriers using 2D wavelet transform

A novel two-dimensional (2D) Gabor continuous wavelet transform (CWT) for phase retrieval and fringe filtering of speckle fringe patterns with spatial carriers is proposed. Theoretical analysis of 2D Gabor CWT is presented and results are compared with advanced fan 2D CWT using both the computer simulated and experimental speckle fringe patterns. It is shown that noise reduction by 2D Gabor CWT demonstrates better results than that of the advanced fan 2D CWT. Two-dimensional Gabor CWT is also compared with 2D Fourier transform and results show that 2D Gabor CWT algorithm has better noise immunity.     

基于小波变换与小域特征模糊融合的人脸识别

小波变换是一种很好的图像压缩方法,利用小波变换对人脸图像进行三次小波分解,并将低频分量分割成为7个子图像。鉴于人脸上的各小域子图像信息的相互独立性。先利用小域子图像实现软分类,然后使用传统奇异值分解(SVD)法提取出各小域子图像的奇异值(SV),构造出小域奇异值特征向量,给出待识别图像对训练样本图像的隶属度,并采用模糊融合的方法对小域特征进行数据融合,获得识别结果。实验结果表明,该方法实现起来简单、识别速度快,具有很高的识别率。     

一种基于小波变换的红外偏振融合算法

针对红外偏振图像可以较好地抑制背景噪声,对目标边缘信息比较敏感的特点,提出一种基于小波变换的红外偏振融合算法,它主要用于红外辐射强度图像和偏振度图像融合,增加图像的信息量。首先采用小波变换对参与融合的每幅图像分别进行各尺度分解,得到各尺度小波系数,然后针对不同尺度小波系数,采用邻域平均梯度为判据进行融合,得到融合后的各尺度小波系数,最后通过小波逆变换进行图像重构,得到融合图像。融合前后的图像对比表明融合图像在保留辐射强度图像的清晰度的同时,突出了目标的边缘、轮廓信息。相对于辐射强度图像,融合图像的梯度均值提高了112%,相对于偏振度图像,融合图像的标准差提高了151%,信息熵提高了38%。     

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。     

基于光学子波变换的SDF匹配滤波器

提出了一种基于光学子波变换的综合判别函数匹配滤波器(WFSDF),将光学子波变换和综合判别函数相结合,只用一个简单的4f系统就能实现输入图像和SDF子波变换的相关运算。采用计算全息的方法制作复数匹配滤波器。计算机模拟仿真结果表明,与传统的SDF匹配滤波器相比,WFSDF匹配滤波器,锐化了相关峰,提高了识别率,同时简化了光路,能够实现多目标的畸不变识别。     

基于Gabor小波纹理特征的目标识别新方法

给出了一种基于Gabor小波纹理特征的目标识别新方法．主要是利用Gabor小波设计了一种多通道小波滤波器。对图像目标直接进行小波变换，用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的图像目标的特征，把获得的小波特征归一化后输入到改进的BP神经网络分类器进行分类识别．最后。进行了一系列的仿真实验，结果表明，这种特征提取方法能有效提取图像目标纹理特征，并且对噪音和形状的变化具有鲁棒性．在应用于目标识别时，神经网络的训练时间减少到lOmin，识别率达到94％．     

Two-dimensional multiscale windowed Fourier transform based on two-dimensional wavelet transform for fringe pattern demodulation

A two-dimensional multiscale windowed Fourier transform (2D-MWFT), based on two-dimensional Gabor wavelet transform (2D-GWT), for the phase extraction from a spatial fringe pattern in fringe projection profilometry is presented. First, the instantaneous frequencies on x and y direction of the modulated fringe pattern are determined by 2D-GWT, and then the local stationary lengths are obtained. The 2D-MWFT with different two-dimensional Gaussian windows whose width is set according to the local stationary length is preformed for each section of the modulated fringe pattern to achieve multiresolution analysis and phase demodulation. Comparing the result of the phase demodulated by 2D-GWT and two-dimensional windowed Fourier transform (2D-WFT) with that by 2D-MWFT in a numerical simulation, we show that the 2D-MWFT method is superior to these methods, especially for the local non-stationary signal with low frequency. The theory and the results of a simulation and experiment are shown.     

基于小波变换和数据融合技术的弱小目标检测

鉴于弱小目标检测所固有的难点及常用的单一分辨率下的检测方法还不能准确稳定地检测出目标,提出了一种弱小目标检测新方法。考虑到实际应用中的复杂背景和大量干扰噪声,运用数据融合技术,先对图像进行小波多分辨率分解,然后将不同分辨率下的子图进行最优加权平均融合来检测弱小目标。用实地拍摄的空中弱小目标红外和可见光图像分别进行实验验证,实验图像取256×256像素点阵大小,其中目标占10×10像素左右。结果表明该方法能够准确稳定地检测弱小目标,为后续的跟踪作了很好的铺垫。