基于Gabor和灰度共生矩阵混合特征叶片泵装配质量检测

本文提出一种Gabor和灰度共生矩阵相结合的特征来检测叶片泵中叶片装配质量的方法。首先构建叶片图像数据集,用5种尺度的和4种方向的Gabor滤波器对图像滤波,根据滤波后的图像计算得到幅值特征图,然后提取幅值特征图的灰度共生矩阵特征,最后融合归一化各个幅值特征图提取到的特征,利用主成分分析法降维,并用这些特征向量训练支持向量机(SVM)分类器,实现对叶片装配质量的评估。将本文提出的混合特征与LBP特征、灰度共生矩阵分别进行了比较得到的分类效果约提高了约10%。基于Gabor和灰度共生矩阵混合特征的叶片装配质量检测准确率提升到了93%。实验结果表明Gabor特征和灰度共生矩阵结合后能够很好从多尺度、多方向上提取图像的纹理特征,并应用于图像分类取得了良好的效果,在一些图像识别上有很宽广的应用前景。     

基于灰度—梯度共生矩阵的图像型垃圾邮件识别方法

为了逃避基于文本的垃圾邮件系统的检测,越来越多的垃圾邮件制造者将文本信息嵌入到图像中。为了有效地检测出图像型垃圾邮件,提出了一种基于灰度—梯度共生矩阵(GGCM, gray-gradient co-occurrence matrix)的图像型垃圾邮件识别方法。先通过灰度—梯度共生矩阵提取图像的特征信息,然后运用最小二乘支持向量机（LS-SVM, least squares support vector machines）进行分类。实验表明,该方法具有较高的分类精度和较好的实时性。     

基于灰度共生矩阵和分形的人群密度估计

针对人群密集公共场所的视频监控,传统的人工监控因为其局限性,已不能满足实际需要,人群智能监控应运而生,而人群密度成为监控的重要对象。基于像素点统计的人群密度估计方法简单直观,但仅适用于人群密度较低场合,密度较高时误差较大。对中高密度人群,本文给出了一种基于灰度共生矩阵和分形的人群特征提取方法,进而利用支持向量机实现人群密度分类。对基于视频的人群密度估计实验结果表明本文提出的方法是有效的。     

基于灰度共生矩阵的海洋溢油识别算法研究

如何通过图像处理和计算机视觉的方法,在可见光范围内,通过提取图像特征以达到分类识别海洋溢油的目的是溢油识别的一种新的尝试和思路。通过提取和优化视频图像的灰度共生矩阵参数特征,结合支持向量机(SVM)模式分类技术,实验并成功开发出具有实用价值的稳定的海洋溢油自动识别系统,验证了在可见光条件下通过视频图像处理技术可以较好地识别海洋溢油的思路。     

基于方向梯度直方图的陨坑预检测算法

陨坑是行星软着陆导航与避障过程中的主要检测目标,目前陨坑检测方法需要被检测图像尽可能地包含完整且清晰的单一陨坑,因此对图像陨坑进行预检测处理得到了广泛关注。通过人工模拟地形方法建立行星陨坑图像数据库,提出一种基于灰度梯度直方图特征(HOG)的支持向量机(SVM)图像陨坑分类方法。该方法可以有效地提取图像中可能包含陨坑的图像子图,并作为后续精确标记陨坑位置的图像处理方法的输入数据。仿真结果表明,该方法能够有效地提高陨坑标记的准确性和实时性。     

基于灰度共生矩阵的边缘检测方法

对传统的边缘检测算子进行了分析,指出了存在的不足;同时针对目前的纹理分析算法普遍存在计算复杂、运行时间过长的缺点,通过将纹理分析的思想和传统的边缘检测算子相结合,提出了一种基于灰度共生矩阵的边缘检测新方法。该方法对图像进行纹理分析后自适应地选择模板,因此很好地保持了图像边缘的细节并且抑制了噪声。通过MATLAB仿真实现,结果表明由灰度共生矩阵产生纹理特征能有效地描述火焰的纹理特征,具有较好的鉴别能力。     

基于灰度和边界方向直方图的医学图像检索

本文研究了采用分级检索的机制,综合利用灰度及形状特征进行基于内容的医学图像检索的方法,该方法克服了灰度直方图不能充分表示空间分布信息的不足。利用边界方向直方图描述形状特征,避开了对图像进行精确分割这一医学图像处理中的难点问题。对CT图像数据库进行的检索实验,验证了该方法具有良好的检索性能。     

基于灰度-梯度共生矩阵的车轮踏面缺陷聚类分析北大核心CSCD

车轮作为列车走行部的关键部件之一,其踏面产生缺陷后会直接影响到列车的运行安全。为了能够在检测时准确识别车轮踏面缺陷不同类型,提出一种基于灰度-梯度共生矩阵的纹理特征提取方法,对踏面图像的灰度和梯度特征分析之后,根据灰度-梯度共生矩阵提取踏面图像纹理特征矢量,再结合K-均值(K-means)聚类优化算法对踏面缺陷特征量进行聚类,从而将踏面缺陷类型进行分类,并将分类结果用可视化数据显示。实验结果表明,采用上述所提方法,对车轮踏面缺陷不同类型的分类识别精度达96%以上。     

基于灰度共生矩阵的纹理分析方法研究

介绍了纹理的定义及特征,并分别对统计方法、结构分析方法、基于纹理模型的方法和信号处理方法四种纹理图像分析方法进行了描述。针对统计方法中的灰度共生矩阵进行了详细的分析研究,并得到利用其进行纹理分析设计的重要参数。说明灰度共生矩阵法在纹理分析中的重要性。     

基于“灰度-梯度共生矩阵”的最大条件熵阈值法

基于“灰度-梯度共生矩阵”模型,在现有最大条件熵图像阈值法的基础,引入加权系数进行改进。为了解决权值选取问题,以图像分割质量评价的均匀性测度为评价指标,采用自适应粒子群算法对权系数进行优化选择,进而获得最优的分割阈值。实验结果表明,与二雏最大熵、最大条件熵算法相比,该方法能够获得更佳的分割结果。     

基于灰度共生矩阵的笔迹识别

把手写笔迹作为一种纹理来看待,利用图像纹理处理技术和数学方法对笔迹的纹理特征进行提取鉴别,将笔迹识别问题转化为纹理识别。论文使用20个人的不同笔迹进行实验,采用灰度共生矩阵来提取这些笔迹的纹理特征,用夹角余弦相似度算法完成识别工作,取得了较好的效果。     

基于灰度共生矩阵的激光散斑评价方法

为了抑制激光成像中的散斑噪声,采用灰度共生矩阵构建了激光显微散斑分析评价系统。系统采用波长为405nm的激光作为显微系统光源,利用电压驱动音圈电机振动样品对激光散斑噪声大小进行控制,同时采用CCD图像传感器采集不同驱动电压下的激光散斑噪声。通过对散斑噪声的角二阶矩、对比度、熵和逆差距特征参量的分析,较好地表征了激光散斑噪声的变化。结果表明,灰度共生矩阵方法可对激光显微成像中的散斑进行评价。     

基于并行灰度级差共生矩阵的图像纹理检测

针对图像纹理检测存在的问题,提出了并行灰度级差共生矩阵方法。首先确定图像灰度级的分布,获得灰度差相关信息作为划分类别的依据;再通过灰度-梯度计算图像灰度值的变化速率;最后确定通道的处理进程与检测像素互联映射,多通道的并行处理事件概率是各单通道联合概率数据互联事件的乘积。实验结果表明,本方法对纹理检测效果清晰。     

基于方向梯度直方图和局部对比度特征的海面背景红外图像分类

在复杂多变的海面环境下,应用红外成像技术对海面中小目标进行搜救时,为有利于后续针对不同场景的目标处理,有必要对采集的原始图像进行分类处理。根据不同的环境条件,将海面红外图像分为五类场景。从两个方面对训练集图像进行特征提取,一个是通过高斯滤波将图像分为基础层和细节层,然后使用改进的方向梯度直方图（HOG）方法提取特征;另一个是提取图像的局部对比度得到局部特征。将提取的特征向量融合并输入到分类器中,使用支持向量机（SVM）对测试集图像进行分类。文章使用了HOG和局部对比度方法（LCM）结合的新特征描述符对海面红外图像的场景进行分类,与其它方法相比,结果表明改进方法的准确率达到96.4%,体现了可行性和有效性。     

梯度直方图和光流特征融合的视频图像异常行为检测算法

异常行为检测在智能监控系统领域中有广泛的应用前景。本文针对此应用领域,提出了一种结合光流特征和梯度直方图特征的视频异常行为检测及定位方法。首先利用视频背景提取算法进行前景提取和标注,实现对前景信息的分割。然后利用光流和梯度直方图特征提取算法对前景图像分别提取光流和梯度直方图特征,其次,使用支持向量机对数据进行训练和测试。最后结合光流幅度信息与前景标记信息对判断出来的异常行为进行定位。实验结果表明,与先前算法相比,本文算法可以检测出异常行为,并且能够对异常帧进行异常行为定位。      

基于灰度共生矩阵的散斑质量评价

采用数字图像相关(DIC)法对物体表面形变进行测量,并通过散斑场的形变对被测物的真实变化进行研究.对散斑质量评价方法进行研究,以求在测量前即可判定所采用的散斑对测量精度的影响.根据DIC法对散斑图像的具体要求,提出基于灰度共生矩阵(GLCM)的散斑质量评价方法.对实际散斑图像进行亚像素刚体平移仿真模拟,采用GLCM中的...     

基于灰度共生矩阵的注塑模具瑕疵检测

遗留物检测是注塑机工作过程中的一项重要工作.为实现比较精确的模具遗留物检测,在对图像进行位置偏差矫正等预处理之后利用灰度共生矩阵算法,对标准图像与采集图像进行纹理分析,得到了这两幅注塑模具图像的特征参数,取四个特征参数进行分析,利用加权欧式距离对两组参数进行相似度比较,从而判断采集的图像是否为瑕疵图像.最后,利用OPENCV图像处理技术对系统进行了实现,并且和常用方法差影法进行了比较,试验结果表明,在光照不稳定情况下,提出的算法在注塑模具的遗留物检测中适用性更强.     

综合BTC颜色矩和灰度共生矩阵的图像检索算法

针对图像检索的多特征融合问题,提出了一种综合BTC颜色矩和灰度共生矩阵的图像检索算法。该算法借鉴BTC的思想,对传统的颜色矩进行改进,将图像分为若干子块,每个子块按照阈值分割为两类像素,计算颜色矩,提取图像的颜色特征;利用灰度共生矩阵提取图像的纹理特征;通过颜色、纹理单特征相似度加权求和来表示图像的综合特征相似度,进行图像检索。实验结果表明,该算法能够综合颜色特征和纹理特征,有效地提高图像检索的查准率。     

基于兴趣点方向梯度直方图的图像检索方法

提出了一种基于图像兴趣点方向梯度直方图的检索方法.为了提高检索准确度,首先采用直方图均衡化增强图像对比度,然后利用SURF(Speeded Up Robust Features)检测子检测图像中的兴趣点,以兴趣点为中心,对兴趣点邻域内分块方向梯度直方图进行图像特征描述,最后进行相似性度量.该算法通过直方图均衡化,提取到图像中更丰富的细节信息尤其对于颜色单一与颜色较深的图像,而且算法中充分利用了图像中包含信息量较多的图像兴趣点.实验证明,该算法提高了图像检索的准确度,相比其他算法取得了更好的检索结果.     

基于HOG特征及SVM的机车车底螺栓检测方法

为了解决列车动态图像检测系统中对关键螺栓的定位、识别问题,提出了一种基于方向梯度直方图特征和支持向量机的方法检测螺栓。该方法首先利用轨边图像采集设备对车底图像进行采集,并针对关键螺栓分布区域分类为车钩缓冲装置挡板螺栓、转向架心盘螺栓、齿轮箱螺栓。然后针对不同分布区域的螺栓进行样本切割,提取样本方向梯度直方图特征。最后对机车车底图像进行螺栓检测,定位螺栓位置信息,以供判别螺栓丢失、螺栓松动等故障。结果表明,该方法对螺栓的检出率可达90%以上,适用于列车动态图像检测系统的要求。