基于Gabor纹理特征的遥感影像查询方法

纹理分析方法在遥感影像分析中占有重要的地位,可用于遥感影像的分类、目标识别、查询浏览和分割。本文探索了将一种Gabor小波纹理描述方法用于遥感影像的查询。遥感影像首先通过一种Gabor小波变换,从变换后的频域空间提取统计纹理特征,然后用所提取的纹理特征对遥感影像进行查询。遥感影像查询比较实验表明,基于Gabor小波纹理特征的遥感影像查询方法优于广泛使用的基于空间灰度依赖矩阵纹理特征的方法。     

灰度矢量多波段遥感影像纹理特征及其描述

提出了多波段影像灰度矢量纹理的概念和实施方法. 以中心像元的邻近像元作为灰度矢量纹理基元,纹理基元的灰度矢量统计规律反映出影像纹理的特征,并以马尔柯夫随机场的特征参数作为其分类依据.实验分析表明,所提出的理论和算法是可行的.     

图像纹理特征的提取方法

纹理特征是图像分析的重要线索,纹理特征的提取方法层出不穷,本文重点介绍了几种借助纹理统计特性的提取方法,并对其算法进行了比较.这些方法包括:1、基于图像灰度直方图的特征提取;2、基于图像灰度差值直方图的特征提取;3、基于图像灰度共生矩阵的特征提取.     

快速Gabor滤波器在指纹纹理分析中的应用

为了提高指纹识别速度，在分析了Gabor滤波器实部特征的基础上简化了求二维卷积的运算，从而改进了Gabor滤波器算法，实验表明该改进算法使运算的复杂度由O（n^2）降至0（n）。     

基于图像纹理分析的海域磁异常分区

将图像纹理分析技术应用于海洋磁异常资料的分区,采用Gabor滤波器和灰度共生矩阵相结合的图像纹理分析方法,提取海洋磁异常的纹理特征信息,通过OKMS聚类算法实现不同纹理特征区域磁异常场的分区.模型试验结果表明,利用Gabor滤波器和灰度共生矩阵相结合的图像纹理分析方法可有效提取磁异常的纹理特征信息,对磁异常纹理特征信息的聚类分区取得较好效果.实际应用于加罗林海域磁异常的分区结果显示,加罗林海域可分为11个磁异常区块,分区结果与条带磁异常区和岩浆活动区对应较好,该方法为海洋磁异常的分区解释提供了参考依据.     

基于多纹理特征和PCA的地基云图识别研究

地基云图自动分类识别对于天气现象的诊断和预报具有重要意义。以地基云图为研究目标,首先在提取云图灰度共生矩阵和Gabor变换特征的基础上计算云图的多纹理组合特征,然后采用主成分分析法对组合特征进行数据降维,获取最终鉴别特征。通过对积雨云,高积云和层积云三类地基云图进行分类识别的实验结果表明,该方法可以同时提高云图分类的精度和效率。     

基于Gabor滤波器的图像纹理特征提取

结合纹理的能量特性、粗糙性、结构性等特点,根据人类视觉特性,提出了Gabor小波变换滤波器的图像纹理特征提取方法。实验结果表明,虽然图像的Gabor纹理计算量很大,但是方法是有效的。     

快速Gabor滤波器在指纹纹理分析中的应用

为了提高指纹识别速度,在分析了Gabor滤波器实部特征的基础上简化了求二维卷积的运算,从而改进了Gabor滤波器算法,实验表明该改进算法使运算的复杂度由O(n2)降至O(n).     

小麦籽粒病害细胞图像纹理特征提取方法的研究

为了进行进出境小麦籽粒病害的智能化识别,运用计算机图像处理技术对进出境小麦籽粒常见的三种病害（小麦印度腥黑穗病、小麦矮腥黑穗病和小麦普通腥黑穗病）作了研究。本文通过使用灰度共生矩阵的方法提取出小麦籽粒病害细胞的纹理特征,并对各个特征进行详尽的分析,最终选择最有效地区分三种病害的特征值。该研究为后期的模式识别提供了重要的特征参数。     

灰度共生矩阵纹理特征的运动目标跟踪方法

在研究纹理特征属性的基础上,提出采用灰度共生矩阵纹理特征进行目标跟踪的方法。基于OpenCV平台,通过对标准测试视频的仿真试验,对灰度共生矩阵纹理特征、局部二进制模式纹理特征和灰度颜色直方图特征在粒子滤波目标跟踪框架中的作用进行了测试与对比分析,灰度共生矩阵纹理特征在相似性颜色的遮拦与抗扰动、处理时间等方面表现出良好的属性特征,相关的试验数据和对比结果表明了这种纹理特征具备优良的跟踪特性,可以增强跟踪系统的整体性能。     

应用Gabor纹理特征的水管内壁图像分类

Gabor滤波器在图像分析和机器视觉方面得到广泛应用.将Gabor滤波用于识别地下水管内壁图像,对管壁损坏程度进行分类.针对Gabor函数之间的非正交性,优化参数,尽量减少滤波输出数据中的冗余信息,使用一组不同频率响应和角度特性的Gabor滤波器获取图像块纹理信息,并用主分量分析(principal components analysis, PCA)对得到的高维特征向量进行降维.对提取的纹理特征进行k-均值聚类,实验结果验证了该方法的有效性.
     

基于神经网络的纹理识别技术

作者通过一个实例叙述了图像识别技术中用神经网络进行纹理识别的基本思路，处理过程，以及具体实现，并对处理的结果进行分析，说明了运用神经网络作为分类器的准确性。     

基于图像纹理分析的目标物体识别方法

介绍了用图象纹理分析的方法,对目标物体进行识别.采用直方图法求出阈值,利用该阈值分割目标物体,对目标物体进行采样,分析纹理,在另外一幅图中进行边界匹配和纹理比较,来确定两个目标物体的一致性.     

基于类别共生矩阵的纹理疵点检测方法

根据有规则纹理的特点,提出了基于类别的共生矩阵来描述纹理特征,从而很好地将正常纹理与疵点区分开.分析了传统的灰度共生矩阵在计算纹理特征时计算量大,且分辨能力差的缺点.为了克服灰度共生矩阵在计算量和分辨能力上的缺点,定义了类别共生矩阵.在类别共生矩阵的算法中,首先学习纹理的一些基本特征以确定类别共生矩阵的一些关键参数,如纹理的概率密度分布、纹理的主方向和周期,以及分类准则等重要参数,然后计算类别共生矩阵并提取白疵点增强、黑疵点增强和一致度等三个特征,最后采用异常点检测的方法即可很好地区分正常纹理和疵点.实验证明,该方法比已有的灰度共生矩阵计算量小,并具有更突出的分辨纹理和疵点的能力.     

基于纹理特征的图像检索系统设计

关于纹理图像的处理研究是目前图像处理领域中一个比较重要的问题.介绍如何利用Visual C++6.0实现基于纹理特征的图像检索,并对检索结果进行了分析.     

基于分形的自然纹理自相关描述和分类

为进一步进行纹理分析研究了有效的纹理描述方法。从估计分数 Brownian运动的指数入手 ,提出了一种基于分形的描述自然纹理的新方法——自相关法。该方法利用纹理图像亮度差值的自相关函数来描述自然纹理。纹理分类实验表明 ,自相关法具有很好的描述自然纹理的能力。     

基于纹理特征的超声医学图像检索

在医学信息学领域，对医学图像物理特征的研究有助于实现图像的自动分析和基于内容的检索，为此，提出一种改进的Gabor纹理特征提取方法．通过超声医学图像的分析获得图像主要的纹理频率和方向特性，以此构成图像纹理特征矢量，降低了图像的纹理特征的维数．用该特征进行基于内容的图像检索，避免了采用Gabor小波在检索中带来的维数危机．通过对五类超声心动图像的检索实验，证明该方法的检准率和检全率较高，检索时间较短，能够取得较为满意的结果．     

一种多尺度纹理主频的检测与分割

介绍了一种对含有多种纹理结构的图像的纹理主频检测——香农小波包分解的纹理主频检测 ,然后利用 Gabor滤波器确定主频 ,最后应用边缘提取实现纹理分割     

基于图像纹理分析的目标物体识别方法

介绍了用图象纹理分析的方法,对目标物体进行识别。采用直方图法求出阈值,利用该阈值分割目标物体,对目标物体进行采样,分析纹理,在另外一幅图中进行边界匹配和纹理比较,来确定两个目标物体的一致性。     

灰度矢量多波段遥感影像纹理特征及其描述

提出了多波段影像灰度矢量纹理的概念和实施方法。以中心像元的邻近像元作为灰度矢量纹理基元,纹理基元的灰度矢量统计规律反映出影像纹理的特征,并以马尔柯夫随机场的特征参数作为其分类依据。实验分析表明,所提出的理论和算法是可行的。