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。     

基于伪彩色融合图像聚类的夜视图像上色算法

提出一种将小波融合和基于伪彩色融合图像的C均值聚类用于图像色彩传递算法中的彩色夜视方法.在色彩传递前将可见光和红外图像进行小波融合得到灰度融合图像作为目标图像,保持了较好的纹理信息和目标信息;再对彩色源网像进行基于连接相对熵的彩色阈值分割;然后针对灰度融合图像的特点,根据一种基于伪彩色融合图像的C均值聚类方法,将伪彩色融合图像的彩色信息作为特征向量应用在夜视图像的分类当中,得到较好的分类效果,并基于此分类结果再进行色彩传递,得到更为自然的彩色夜视图像.实现了对夜视图像的自动色彩传递,得到的罔像色彩较真实.纹理清晰,将有利于人眼的目标识别.     

基于可见光的多波段偏振图像融合新算法

采用了一种新的基于小波变换的偏振图像融合算法.首先,将两个波段中的每一波段三幅偏振图像利用小波变换分解成低频和高频部分,低频的小波系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应输入图像小波系数的窗口区域方差来确定融合后高频小波系数,得到一个波段一幅图像.接着,将得到的图像再进行小波分解,采用低频图像的小波系数最小值作为融合后的低频系数,高频图像根据纹理一致性测度的纹理检测确定融合规则,用来调整高频小波系数,将来自不同图像的特征与细节融合在一起,并对融合图像质量进行了对比评价.实验结果表明,融合后的偏振图像不仅反映了场景的偏振信息,而且还包含了丰富的光谱信息,目标与背景的衬比度也得到了增强,为进一步的目标检测和识别提供了便利.     

基于小波包和偏最小二乘支持向量机的多光谱纹理图像的大米分类研究

提出了一种利用多光谱图像纹理特征进行大米分类的新方法。图像由MS3100-3CCD光谱成像仪获得,光谱成像仪提供3个波段的图像,由近红外(NIR)、红色(R)和绿色(G)组成,因此它能够获取普通数码照相机所不能获取的信息。对3CCD近红外波段图像进行二层小波包分解,得到16个子频带,因为纹理图像的特征信息主要集中在中频,因此提取8个中频频带(带通频带)的熵值,并且作为支持向量机的特征值输入。最后应用支持向量机技术分别对有和没有经过小波包分解的NIR波段纹理图像的熵值进行建模,建模样本和预测模型各为80个,每种各为20个。对四种大米进行处理,结果表明,经过小波包分解的纹理图像的识别率达到了100%,而没有经过小波包分解的纹理图像的识别率只有93.75%,说明结合小波包和支持向量机进行多光谱图像的纹理识别是种非常有效的技术,同时也为大米的分类提供一种快速和无损的新方法。     

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。     

基于方向-频率分解的旋转不变性纹理分类

提出了一种用于纹理分类的旋转不变性特征提取的新算法.该算法是将一定大小的图像进行二维傅里叶变换;其次在变换后的图像中央选择一个圆盘区域,并在方向[0°,180°]内进行等间隔角度频率抽样,实现方向分解,使用一组复Morlet小波对每个方向上的映射切片进行小波变换,从而实现多通道频率分解;在各个频率通道中计算均值和方差作为特征,并利用线性回归模型计算频率通道之间的关系特征;将特征沿方向进行一维傅里叶变换并取其幅值,从而得到旋转不变性特征.实验结果表明所提取的特征具有较好的旋转不变性,与其它算法相比具有更好的分类性能,并且对无旋转纹理分类也能产生较好的分类结果.     

基于非负矩阵分解和IHS颜色模型的偏振图像融合方法

针对传统偏振图像伪彩色融合方法存在的不足,提出了一种基于非负矩阵分解和IHS(Intensity Hue Saturation)颜色模型的图像融合方法.首先将偏振信息解析得到的各偏振参量图像作为原始数据集进行非负矩阵分解,得到三幅特征基图像,这些特征基图像包含了场景的大部分偏振信息;然后将三幅特征基图像经直方图匹配之后,分别映射到IHS颜色模型的三个颜色通道,最后变换到RGB颜色空间,得到融合后的图像.实验结果表明,该方法不仅具有较好的色彩表达能力,而且有效地突出了目标的细节信息,提高了图像的可判读性.     

基于非负矩阵分解和IHS颜色模型的偏振图像融合方法

针对传统偏振图像伪彩色融合方法存在的不足,提出了一种基于非负矩阵分解和IHS(Intensity Hue Saturation)颜色模型的图像融合方法.首先将偏振信息解析得到的各偏振参量图像作为原始数据集进行非负矩阵分解,得到三幅特征基图像,这些特征基图像包含了场景的大部分偏振信息|然后将三幅特征基图像经直方图匹配之后,分别映射到IHS颜色模型的三个颜色通道,最后变换到RGB颜色空间,得到融合后的图像.实验结果表明,该方法不仅具有较好的色彩表达能力,而且有效地突出了目标的细节信息,提高了图像的可判读性.     

基于多分辨率色彩传递的彩色夜视方法研究

为了获得符合人眼感知的彩色夜视图像,帮助观察者获取丰富的场景信息和舒适的观察效果,提出了一种基于多分辨率色彩传递的彩色夜视处理方法.结合微光与红外图像特点,对二者进行YUV空间拮抗视觉特性的彩色融合之后,采用控向金字塔对彩色融合图像(源图像)和参考图像各颜色通道进行多分辨率分解,计算子带图像的均值和标准方差,通过参考图像与源图像在各子带的方差比调整源图像的子带系数值,再经金字塔重构,最终使微光与红外彩色夜视图像获得类似参考图像的自然感色彩.分析了lαβ、YUV和RGB颜色空间对色彩传递的影响,并确定YUV颜色空间更适于多分辨率分解的色彩传递.相比传统的线性色彩传递方法,本方法不仅使彩色夜视图像拥有更符合真实场景的色彩,还可以提高其细节信息,改善场景感知,提升融合图像目标探测能力.     

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。     

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.     

基于分形脊波神经网络的遥感图像分类研究

在分形理论和脊波神经网络的基础上，综合利用彩色遥感图像的光谱、纹理和形状特征，提出了一种彩色遥感图像的分类新方法．该方法把彩色图像的蓝、绿、红波段作为3个光谱特征，由分形理论计算的DBC维和多重分形维数作为2个纹理特征，平均不变矩作为1个形状特征，并利用对曲线具有极强方向识别能力的脊波神经网络作为分类器．实验结果表明，提出的彩色遥感图像分类方法具有较高的分类准确率和较强的抗噪音能力．     

GLCM和DWT特征在打印文件机源认证中的应用

为了有效解决打印文件机源认证问题,提出了一种基于统计纹理特征选择的打印文件机源认证方法。综合考虑打印字符图像的空间域和时频域特性,将GLCM和DWT统计纹理特征进行组合,运用ReliefF算法实现组合特征的初选,二次特征选择使用SVM-RFE算法。文中实验结果表明,在英文相同字有重复样本集和中文不同字无重复样本集上的分类准确率分别为95.20%和75.00%;特征组合与特征选择有利于提高打印文件机源认证的分类鉴别性能。     

Delamination detection by Multi-Level Wavelet Processing of Continuous Scanning Laser Doppler Vibrometry data

A novel non-destructive testing procedure for delamination detection based on the exploitation of the simultaneous time and spatial sampling provided by Continuous Scanning Laser Doppler Vibrometry (CSLDV) and the feature extraction capability of Multi-Level wavelet-based processing is presented in this paper. The processing procedure consists in a multi-step approach. Once the optimal mother-wavelet is selected as the one maximizing the Energy to Shannon Entropy Ratio criterion among the mother-wavelet space, a pruning operation aiming at identifying the best combination of nodes inside the full-binary tree given by Wavelet Packet Decomposition (WPD) is performed. The pruning algorithm exploits, in double step way, a measure of the randomness of the point pattern distribution on the damage map space with an analysis of the energy concentration of the wavelet coefficients on those nodes provided by the first pruning operation. A combination of the point pattern distributions provided by each node of the ensemble node set from the pruning algorithm allows for setting a Damage Reliability Index associated to the final damage map. The effectiveness of the whole approach is proven on both simulated and real test cases. A sensitivity analysis related to the influence of noise on the CSLDV signal provided to the algorithm is also discussed, showing that the processing developed is robust enough to measurement noise. The method is promising: damages are well identified on different materials and for different damage-structure varieties.     

高光谱技术融合图像信息的牛肉品种识别方法研究

高光谱图像包含了大量的光谱信息和图像信息,采用高光谱成像技术对牛肉品种进行识别。获取可见-近红外(400~1000 nm)光谱范围内的安格斯牛、利木赞牛、秦川牛、西门塔尔牛、荷斯坦奶牛五个品种共252个牛肉样本的高光谱图像。在ENVI软件中对高光谱图像进行阈值分割并构建掩膜图像,获取样本的感兴趣区域(ROI),并结合伪彩色图对牛肉样本的反射率指数进行可视化表达;采用Kennard-Stone(KS)法对样本集进行划分以提高模型的预测性能;对原始光谱采用卷积平滑(SG)、区域归一化(Area normalize)、基线校正(Baseline)、一阶导数(FD)、标准正态变量变换(SNV)及多元散射校正(MSC)等6种方法进行预处理;采用竞争性自适应重加权算法(CARS)提取特征波长。然后利用颜色矩对不同牛肉样本的颜色特征进行提取;对原始光谱图像进行主成分分析,结合灰度共生矩阵(GLCM)算法,提取主要纹理特征。最后结合偏最小二乘判别(PLS-DA)算法建立牛肉样本基于特征波长、颜色特征以及纹理特征的识别模型。KS法将牛肉样本划分为校正集190个,预测集62个;将未经预处理的光谱数据与经过6种不用预处理的光谱数据进行建模分析,结果发现经FD法处理后的光谱数据所建模型的识别率最高;结合CARS法对经FD法预处理后的光谱数据进行特征波长提取,共提取出22个波长;利用颜色矩和GLCM算法分别提取出每个牛肉样本的9个颜色特征、48个纹理特征。将特征波长数据与颜色、纹理特征信息进行融合建模,结果表明,基于特征光谱+纹理特征的模型识别效果最佳,其校正集与预测集识别率分别为98.42%和93.55%,均高于特征光谱数据模型识别率,说明融合纹理特征后使样本分类信息的表达更加全面;融合颜色特征后模型的校正集识别率均有所增加,但预测集识别率稍逊,颜色特征虽携带了部分有效信息,但这些信息与牛肉样本的相关性不大。因此,寻找与牛肉样本相关性更大的颜色特征是提高模型识别率的重要途径之一。该研究结果为牛肉品种的快速无损识别提供了一定的参考。     

一种基于图像特征和神经网络的苹果图像分割算法

苹果识别是开发苹果采摘机器人的关键环节,利用图像处理技术和神经网络分类器探索苹果图像分割算法.从苹果树图片中选取苹果图像样本和背景网像样本.分别计算这两类图像样本的颜色特征和纹理特征.颜色特征的计算基于RGB色彩模型,纹理特征的计算基于灰度共生矩阵.选取适当的颜色特征(R/B值)和纹理特征(对比度值和相关性值)作为输入节点,利用反向传播神经网络分类器建模,输出值是一个O～1之间的计算值.通过阈值将输出结果分类为苹果或背景.试验结果表明,该算法正确率大于87.6%,对光照的影响不敏感,是一利较为实用的苹果分割算法.     

Refined Composite Multi-Scale Reverse Weighted Permutation Entropy and Its Applications in Ship-Radiated Noise

Ship-radiated noise is one of the important signal types under the complex ocean background, which can well reflect physical properties of ships. As one of the valid measures to characterize the complexity of ship-radiated noise, permutation entropy (PE) has the advantages of high efficiency and simple calculation. However, PE has the problems of missing amplitude information and single scale. To address the two drawbacks, refined composite multi-scale reverse weighted PE (RCMRWPE), as a novel measurement technology of describing the signal complexity, is put forward based on refined composite multi-scale processing (RCMP) and reverse weighted PE (RWPE). RCMP is an improved method of coarse-graining, which not only solves the problem of single scale, but also improves the stability of traditional coarse-graining; RWPE has been proposed more recently, and has better inter-class separability and robustness performance to noise than PE, weighted PE (WPE), and reverse PE (RPE). Additionally, a feature extraction scheme of ship-radiated noise is proposed based on RCMRWPE, furthermore, RCMRWPE is combined with discriminant analysis classifier (DAC) to form a new classification method. After that, a large number of comparative experiments of feature extraction schemes and classification methods with two artificial random signals and six ship-radiated noise are carried out, which show that the proposed feature extraction scheme has better performance in distinguishing ability and stability than the other three similar feature extraction schemes based on multi-scale PE (MPE), multi-scale WPE (MWPE), and multi-scale RPE (MRPE), and the proposed classification method also has the highest recognition rate.