自然纹理分类和识别方法初探

纹理图像千变万化，目前在纹理分类上没有明确的标准。文章借用自然语言中的概念词对自然纹理进行基于概念的分类，把自然纹理分成花纹、条纹、鱼鳞、波纹、斑纹、木纹、裂纹、绒毛、颗粒等九大类别，建立了自然纹：理图像库，并用小波变换提取纹理特征，对这些特征进行基于支持向量机的分类。实验结果表明该分类和识别方法准确率高，可以考虑作为基于图像内容检索的一种方法。     

基于多分辨率Trace变换的纹理图像分类

针对Trace变换提取的图像特征缺乏对纹理边缘信息描述和计算代价高的问题,利用小波变换对图像轮廓的表征优势,提出了多分辨率Trace变换并应用于纹理图像分类.首先,将小波变换引入到Trace变换中,对纹理图像进行非下采样小波变换,得到不同频率的低频特征子图及高频边缘子图;其次,在各级子图上进行一组泛函的Trace变换,获取纹理图像的融合特征,在获得图像边缘信息的同时避免了Trace变换不同泛函组合计算代价过高的问题;最后,把融合特征送入支持向量机对图像进行分类.实验结果表明,对图像采用多分辨率Trace变换提取的融合特征具有更好的纹理描述能力,相对于传统Trace变换及MCM等对比方法具有更高的鉴别性能,且在时间效率上相对于传统Trace变换有大幅提升.     

基于子波变换的纹理图像分类

本文用子波变换的方法描述了纹理图像多尺度、多方向的特性,提出了适合于纹理图像分类的新的子波特征。通过对其稳定性和视觉特性的详细分析,指出此特征优于传统的能量特征。文章最后结合九类自然纹理图像,分别基于标准子波特征,子波包特用ＢＰ神经网络进行了分类识别。实验结果表明,在无噪声情况下,对自然纹理图像可无误差分类;在有噪声情况下,正确分类识别率高,表现出强的稳定性。     

一种改进的支持向量机多类分类方法

提出一种新的基于二叉树结构的支持向量机(SVM)多类分类方法.该方法解决了现有主要算法中存在的不可分区域问题,具有简单、直观、重复训练样本少的优点.为了提高分类模型的推广能力,必须使样本分布好的类处于二又树的上层节点,才能获得更大的划分空间.因此,该算法采用类间散布度量与类内散布度量的比值作为二叉树的生成算法.采用UCI标准数据集实验,实验结果表明该算法具有一定的优越性.     

一种具有旋转不变性的压缩域纹理图像分类方法

该文提出了一种具有旋转不变性的、基于DCT压缩域的纹理图像分类方法。此方法主要是在DCT压缩域中合理组织频率系数,使其具有与小波分解相类似的图像多分辨率结构,由此设计了抗旋转能力强的纹理图像分类算法。这些操作直接在游程长编码(RLE)形成的码流上进行,处理的数据量较少,处理速度快。实验结果表明,这种分类方法具有较高的准确性。     

应用支持向量机的纹理分类

提出了一种使用离散余弦变换(DCT)进行特征提取的应用支持向量机的纹理分类算法,并将文章中的算法与 KIM K I 等提出的不进行先期特征提取而直接将纹理图像送入支持向量机进行训练分类的算法进行比较。结果显示,文章中的算法可以取得更为准确的分类结果,能够大大降低分类错误率,并且分类结果受参数变化的影响很小。由此说明,在使用支持向量机进行纹理分类的过程中,准确的先期特征提取十分必要。     

基于纹理特征和支持向量机的磁共振脑图像组织分类

磁共振脑图像的是医学诊断中的一种重要的手段,在此主要研究磁共振脑图像的组织分类。分类以脑图像各组织的纹理特征为依据。在试验过程中采用区分度较高的特征值,组成特征向量,作为支持向量机的输入,用改进的支持向量机进行分类。在特征向量数据优化和支持向量机参数寻优的条件下,可以取得较好的分类效果。     

一种基于质心不变特性的仿射不变纹理特征提取算法

 仿射不变模式识别是模式识别问题中的一个难点问题,本文提出了一种基于全局特征的仿射不变特征提取方法.算法从仿射变换的数学模型出发,利用仿射前后图像质心位置的不变特性,以质心为极点将图像从笛卡尔坐标系变换到极坐标系,然后利用对数变换和Radon变换分别将各向异性的尺度变换和旋转变换转化为平移变换,在此基础上利用具有平移不变性的非下采样小波变换提取变换图像的平移不变特征,实现了对图像的仿射不变的特征提取.将此算法运用于仿射纹理图像分类中,实验结果表明达到了较高的识别率.     

基于局部特征的图像实时分类方法

图像分类技术一直以来是图像处理的一个难题,特别是基于内容的网络图像实时搜索和过滤是图像快速分类的基础,利用图像的颜色特征和纹理特征在局部区域进行图像分类,并对敏感区域利用支持向量机SVM分类器来实现多特征的分类,可以快速实时的实现图像分类。     

应用Gabor小波和支持向量机的纹理分类

针对现有纹理分类算法的局限性,提出了一种基于Gabor小波和支持向量机的纹理分类算法.首先提取纹理Gabor分解后各子带的均值和方差作为特征向量,进而利用支持向量机算法实现分类.实验结果表明,与传统的分类方法相比,Gabor小波和支持向量机相结合能有效地提高分类正确率.     

一种改进的快速k-近邻分类算法

本文提出了一种新的有效的k-近邻分类快速算法.该算法利用向量的方差和在小波域中的逼近系数得出两个重要的不等式.在搜索k-近邻的过程中,首先判断每个训练向量是否满足这两个不等式,由此排除大量不可能成为k-近邻的向量,从而可以快速的找到未知样本的k个近邻,使得在保持k-近邻法分类性能不变的情况下,分类的效率得到很大地提高.最后,我们以纹理分类为例验证算法的有效性.     

一种改进的半调图像分类算法

半调图像分类在逆半调过程中是非常关键的步骤。文献[1]提出的神经网络分类算法利用增强的一维相关性,可以对半调图像进行适当的分类,但分类精度不够高。在神经网络分类算法的基础上,通过计算图像的灰度共生矩阵,进而提取图像的纹理特征来对图像进行分类。实验表明,改进后的算法可提高分类的精度。     

纹理特征在多光谱图像分类中的应用

文中介绍了几种纹理特征提取方法，并将图像中的纹理信息作为重要的特征参与多光谱图像分类的过程，通过与单纯基于像元光谱信息的分类结果的比较，证明了此方法可以改善分类的效果。     

一种改进的纹理合成算法

基于已有的纹理合成算法,提出将单象素点的纹理合成改进为矩形纹理区域的合成,以加速合成过程,匹配矩形纹理区域时采用提取纹理结构信息的方法来实现,取得了较好的合成结果.实验结果表明,改进的算法无论在合成速度和合成质量上都有较大的提高,对于大纹理的合成,速度更快,而且有广泛的适用性.     

基于Curvelet的纹理方向自适应图像插值

为提高纹理复杂图像的插值放大质量,提出一种纹理方向自适应的图像插值算法。首先利用Curvelet变换提取图像的4个方向因子矩阵,然后对不同类插值点选择相应的2个方向因子构造权重系数进行线性插值,从而自适应地重建各类待插值点。分析比较了本文与现有插值算法对平滑与纹理复杂区域的插值重建质量。实验结果表明,本文算法能有效抑制传统插值方法重建图像时出现的边缘模糊和锯齿现象,重构的图像效果优于传统方法,纹理丰富图像的重构质量可提高2dB以上。     

基于小波包和分形相结合的纹理分类

纹理是图像内容的重要特征之一,纹理图像分类中最重要的步骤是纹理特征的提取。纹理图像利用空间-频率域分析法时,纹理特征主要集中在中、高频段,纹理图像边缘包含着丰富的纹理特征信息。利用小波包和分形相结合的方法提取纹理特征值进行纹理图像分类,实验结果表明此算法是合理有效的,纹理分类的正确识别率较高。