纹理分类

摘要： LBP纹理特征提取算法在提取纹理特征时,存在鲁棒性较差、对噪声较敏感等问题。针对前述问题,文章提出一种(ILNRBP)改进的局部抗噪鲁棒性二值模式。对于一个给定的中心像素,首先计算中心像素灰度值与邻域像素点周围的四个邻域像素点灰度均值之间的差值,然后将该差值与阈值T之间的差异二值量化得到ILNRBP二进制串,最后根据所有像素的ILNRBP直方图得到该幅图像的特征直方图。

摘要： 纹理特征提取是纹理分类中最关键的一步,由于成像条件的不可预知,纹理图像中存在旋转、尺度、噪声等各种因素的变化,给纹理分类的研究工作带来了挑战.为了增强纹理特征提取算法对旋转、尺度和噪声变化的鲁棒性,提出尺度选择完备局部导数模式(Scale Selective Completed Local Derivative Pattern,SSCLDP).首先,采用自适应中值滤波器对图像进行降噪处理.其次,采用二维高斯滤波器生成该图像的尺度空间.在每个尺度下使用完备局部导数模式(Completed Local Derivative Pattern,CLDP)提取该图像的旋转不变特征,跨尺度取最大值作为该图像的尺度不变特征.将SSCLDP与同类算法在七个公共纹理数据集和热轧带钢图像数据集上进行了实验,实验结果表明,SSCLDP在纹理图像分类和热轧带钢图像分类上有较好的工程应用价值.

摘要： 针对传统SIFT算法的单一阈值导致的特征点空间分布不均匀的问题,提出了一种纹理分类的多阈值SIFT图像拼接算法。算法对图像的纹理复杂度进行了分析和分类,并增加纹理分类后的弱纹理区和一般纹理区的候选特征点,减少强纹理区域的候选特征点。通过信息熵设置弱纹理区和一般纹理区的阈值,以均衡特征点的数量。在以上基础上进行特征点匹配和图像融合完成图像拼接。相比传统的方法,实验结果表明,纹理分类的多阈值方法检测的特征点在空间分布上更加均匀,更有利于拼接。基于纹理分类的多阈值SIFT图像拼接算法可有效地提高拼接质量,在对图像质量有较高要求的场景中有潜在的运用价值。

摘要： 针对铆钉表面缺陷纹理形态复杂多变,传统纹理特征提取方法难以获取准确纹理信息、铆钉缺陷识别率较低的问题,提出一种自适应阈值抗噪LBP的铆钉表面缺陷检测算法AT_NRLBP.首先,将铆钉图像均匀分块后提取铆钉子块;然后,基于PCA分解铆钉子块的协方差矩阵,估计子块图像的噪声水平.根据图像噪声强度计算NRLBP阈值,编码铆钉子块得到NRLBP纹理特征.最后,训练SVM单分类器分类铆钉子块,检测并标记出缺陷子块.实验结果表明,这里算法能有效地检测出铆钉表面缺陷,误检率明显降低;与其他纹理分类算法相比,这里算法在KTH-TIPS数据集上的分类准确率较高.

摘要： 针对现有局部二值模式(Local binary pattern,LBP)算法对光照反转变化敏感和特征描述力不足的问题,本文提出一种基于局部补数-导数模式(Local complement and derivative pattern,LCDP)的纹理表达方法.其中,局部补数模式(Local complement pattern,LCP)用于编码原始图像空间中的近邻差分符号信息,局部导数模式(Local derivative pattern,LDP)用于编码不同尺度下(一阶和二阶)高斯导数空间中的近邻差分幅值信息,二者对光照反转和图像旋转均具有鲁棒性.为实现对差分符号和差分幅值的联合统计,同时维持特征的紧致性,进一步提出基于均值采样的联合编码方案.最后,对联合编码的结果进行多尺度直方图特征表达.实验表明,该方法能够有效提高线性和非线性光照反转条件下纹理图像的分类精度.

摘要： 研究了一种基于产品表面纹理图像特征的产品真伪识别方法.使用具有定位、定向、定界和标定作用的标签联合产品本身天然纹理实现无损标识,一方面将官方纹理图像和用户纹理图像的特征值统一到同一计算空间,同时降低纹理图像拍摄条件,使应用场景更加丰富;另一方面利用分区将图像的纹理特征表达从一维扩展到多维,通过突出局部特征提高真伪识别准确率.

摘要： 针对单一方法进行纹理图像分类时易受旋转、光照等干扰的情况,提出了一种结合颜色特征和纹理特征的共生纹理分类方法.将图像转换到HSV颜色空间后,对H通道使用SLIOP算法以及对S和V通道用CLBP算法提取特征,然后将各自提取到的特征进行串联共生,最后利用支持向量机对纹理图像进行分类.基于被广泛使用的纹理图像数据库,对提出方法与其他典型分类算法进行实验对比,分析表明在分类的准确率和计算效率上获得了较大提升.实验结果表明,提出了方法具有较强的旋转不变性、光照不变性以及抗噪性.

摘要： 为提高烟雾识别的检测率和降低误报率,首先提出了基于置信水平的局部三值模式(CLLTP),进而提出了基于CLLTP的组合特征模型(M_CLLTP).CLLTP是依据差分图像的像素值呈正态分布而提出的一种改进的局部三值模式.M_CLLTP模型提取了原图的CLLTP特征、Gabor特征图的加权的CLLTP特征和边缘特征图的CLLTP特征,并融合它们生成M_CLLTP特征.对比实验显示,M_CLLTP方法在三个烟雾数据集上都获得了较高的检测率和F1分数、较低的误报率,在两个纹理数据库上获得了最高的平均召回率.实验结果表明,所提方法对烟雾和纹理具有很好的辨识能力,非常适用于烟雾识别.

摘要： 针对传统局部二值模式及其扩展算法存在特征维度高、不能充分体现局部邻域像素间差值大小信息等问题,提出一种局部排序差值细化模式(LSDRP).首先根据采样半径大小对图像进行相应规格的高斯滤波,并按灰度值将局部邻域采样点排序;然后计算局部排序邻域内像素间的差值并将其融入排序二值编码对应位置的权值中,从而生成LSDRP特征;最后选取LSDRP特征模式中的高频模式表征图像,并级联多个半径下LSDRP特征的高频模式构成图像纹理的多尺度表示.在Outex,CUReT和UMD纹理库上的实验结果表明,所提算法计算简单且能在低维度条件下有效解决纹理分类中存在的光照、旋转变化问题;特别是在TC10,TC12_000和TC12 001纹理库上仅需120维特征即可分别达到100％,99.38％和99.72％的分类精度.

摘要： 针对传统尺度不变特征变换(SIFT)算法在图像拼接过程中计算量较大的问题,提出了一种基于相位相关和纹理分类的快速SIFT拼接算法。首先,使用相位相关法粗略地获取待拼接图像的重叠区域;其次,对图像进行纹理分类,并选取其中纹理复杂度较高区域进行SIFT检测,为了提升纹理分类阶段的速度,提出了跳跃归类的方法;最后,对于不同复杂度的纹理区域,仅在相同纹理区域内进行特征点的匹配。实验结果表明,所提出改进算法在维持较好拼接质量的基础上,与传统SIFT算法以及已有的两种改进型SIFT算法相比,平均拼接速度分别提升了68.46%、20.45%、41.83%。因此该算法在对拼接效率有较高要求的领域具有潜在的应用价值。

摘要： 本文提出了一种基于Radon变换与小波变换的旋转与尺度不变的纹理分类方法:对纹理图像做Radon变换,用标准差构造纹理图像的一条特征曲线.使用小波对这条特征曲线进行分解,提取其小波特征,获取纹理图像的旋转和尺度不变量,进行纹理分类.通过与其他两种方法比较,该方法不仅耗时更少,而且准确率更高.

摘要： 本文把知识约简的思想应用到航空影像纹理分类中,结合粗糙集理论提出了一种航空影像目标识别的方法,并利用所获的简约纹理特征集对航空影像进行分类实验.结果证明算法有效.

摘要： 在用遗传算法生成影像纹理分类的"Tuned"模板中,引用了一个新的遗传交叉方法——指派交叉,与其他的交叉方法相比,指派交叉可在相同的搜索空间中提供更好的优化组合.试验证明,指派交叉是值得推广的一种遗传交叉方法.

摘要： 提出了一种基于本体的风景图像检索算法,利用风景图像的领域知识,通过特征映射,得到图像的高维语义特征.本文首先利用了一种无监督的图像分割算法将图像分成多个区域.其次提取区域的颜色,纹理,空间位置特征,经过特征映射,得到区域的高维语义特征.利用高维语义特征,返回相关的查询图像,并利用低层的图像特征得到精确的相似度排序.本文通过建立图像区域的本体,得到图像区域的语义特征,减少语义鸿沟,得到用户满意度检索效果.

摘要： 提出了一种基于本体的风景图像检索算法,利用风景图像的领域知识,通过特征映射,得到图像的高维语义特征.本文首先利用了一种无监督的图像分割算法将图像分成多个区域.其次提取区域的颜色,纹理,空间位置特征,经过特征映射,得到区域的高维语义特征.利用高维语义特征,返回相关的查询图像,并利用低层的图像特征得到精确的相似度排序.本文通过建立图像区域的本体,得到图像区域的语义特征,减少语义鸿沟,得到用户满意度检索效果.

摘要： 提出了一种基于本体的风景图像检索算法,利用风景图像的领域知识,通过特征映射,得到图像的高维语义特征.本文首先利用了一种无监督的图像分割算法将图像分成多个区域.其次提取区域的颜色,纹理,空间位置特征,经过特征映射,得到区域的高维语义特征.利用高维语义特征,返回相关的查询图像,并利用低层的图像特征得到精确的相似度排序.本文通过建立图像区域的本体,得到图像区域的语义特征,减少语义鸿沟,得到用户满意度检索效果.

摘要： 提出了一种基于本体的风景图像检索算法,利用风景图像的领域知识,通过特征映射,得到图像的高维语义特征.本文首先利用了一种无监督的图像分割算法将图像分成多个区域.其次提取区域的颜色,纹理,空间位置特征,经过特征映射,得到区域的高维语义特征.利用高维语义特征,返回相关的查询图像,并利用低层的图像特征得到精确的相似度排序.本文通过建立图像区域的本体,得到图像区域的语义特征,减少语义鸿沟,得到用户满意度检索效果.

摘要： 提出了一种基于本体的风景图像检索算法,利用风景图像的领域知识,通过特征映射,得到图像的高维语义特征.本文首先利用了一种无监督的图像分割算法将图像分成多个区域.其次提取区域的颜色,纹理,空间位置特征,经过特征映射,得到区域的高维语义特征.利用高维语义特征,返回相关的查询图像,并利用低层的图像特征得到精确的相似度排序.本文通过建立图像区域的本体,得到图像区域的语义特征,减少语义鸿沟,得到用户满意度检索效果.

摘要： 本文提出了一种新的基于非下采样Contourlet变换的纹理特征提取方法.首先对纹理图像进行非下采样Contourlet变换,然后提取不同尺度、不同方向上变换系数矩阵的均值和方差作为特征向量,大大降低了特征维数,并利用BP神经网络进行训练和仿真,实现了纹理图像的自动分类.实验结果表明,该方法与小波包变换和改进的LBP纹理算子等方法相比,能取得更好的分类效果.

摘要： 本文提出了一种新的基于非下采样Contourlet变换的纹理特征提取方法.首先对纹理图像进行非下采样Contourlet变换,然后提取不同尺度、不同方向上变换系数矩阵的均值和方差作为特征向量,大大降低了特征维数,并利用BP神经网络进行训练和仿真,实现了纹理图像的自动分类.实验结果表明,该方法与小波包变换和改进的LBP纹理算子等方法相比,能取得更好的分类效果.

摘要： 本发明公开了一种基于纹理复杂度的编码单元分类方法和编码单元分类设备，所述编码单元分类方法包括：利用预设置的图像纹理复杂度模型获取编码单元的复杂度；根据所述复杂度，利用预设置的自适应阈值模型输出的所述编码单元对应的阈值对所述编码单元进行分类。本发明提供的实施例针对现有问题，根据编码树单元层次划分与图像纹理复杂度的关系，利用阈值与编码深度和量化参数间存在的非线性关系，实现了基于图像纹理复杂度的编码单元准确分类；同时针对复杂纹理区域，将编码信息与卷积神经网络相结合，实现了图像纹理信息进行准确描述，从而提高纹理复杂区域编码单元层次预测的精度，节省了HEVC标准编码器的编码时间，具有广泛的应用前景。

摘要： 本公开实施例中提供了一种基于纹理复杂度分类的遥感图像快速加密方法，属于图像处理技术领域，具体包括：获取目标图像的波段数以及每个波段的二维像素值矩阵，并根据预设图像分块大小对每个二维像素值矩阵进行扩充及图像分块，得到每个二维像素值矩阵对应的图像分块集合；根据信息熵对每个图像块进行分类；分别对不同类型的图像块进行分等级加密，并将加密后的图像块按照图像分块的顺序进行拼接，得到加密矩阵；整体置乱，得到密文图像。通过本公开的方案，根据预设图像分块大小进行图像分块，并针对遥感图像本身的纹理特征，进行图像纹理复杂度分类，进而针对不同复杂度类型的图像，采取不同的加密算法，提高了遥感图像的加密效率和安全性。

摘要： 本发明提供了一种基于线分类和纹理分类的机场目标自动识别方法，本发明对机场目标的多维跑道线特征进行学习得到线特征分类器，通过线特征分类器筛选机场跑道线，无需设定大量的阈值条件，具有更广泛的适用性；对提取的直线段进行筛选并确定ROI区域，而不是直接依赖大量先验知识确定ROI区域；根据纹理特征学习得到的纹理特征分类器判断ROI区域是否为机场目标，这种集成多分类器的识别方法有效避免了单纯依靠线特征分类器导致机场目标提取错误的情况，可有效提高机场目标自动识别的精度。

摘要： 本发明提供一种基于多光谱遥感图像纹理元的地物类型纹理分类方法。该方法包括以下步骤：选取代表不同地物类型的遥感图像，对该遥感图像用一组选定的滤波器组进行滤波，各个波段的滤波结果分别进行聚类，聚类中心称为多光谱纹理元；在训练阶段，各类地物的样本图像的各个波段使用同样的滤波器组进行滤波，每一个波段的滤波结果分别与多光谱纹理元一一进行比较，形成一个纹理元的映射图，然后各个波段分别统计纹理元的直方图，称为该类地物的纹理模型；在地物类型分类过程，待分类的图像首先通过图像分割，得到不同的图像块，重复上述纹理模型训练过程，对每个图像块得到一个纹理模型，对每个纹理模型与纹理模型库中的纹理模型一一进行相似性比较，并依次把每个图像块分类为最相似的地物类型。

摘要： 本申请公开了一种图像纹理特征的提取分类装置及分类方法，其提取分类装置包括壳体，所述壳体的一侧固定设置有扫描仪，所述壳体的另一侧固定安装有显示屏，所述壳体内分别固定安装有纹理特征编码模块、纹理特征比较模块、分类器和纹理特征存储模块，且扫描仪、纹理特征编码模块、纹理特征比较模块、分类器、纹理特征存储模块和显示屏相串联，所述壳体的一侧固定安装有安装座。本发明结构简单，可以对被识别件的图像采集过程中光照、拍摄距离和拍摄时物体移动速度均可以调整到最佳位置，因而被识别件的纹理表观特征不会与其本质发生很大的变化，降低了纹理分类算法的难度，便于得出精确的结论。

摘要： 本发明提供了一种基于线分类和纹理分类的机场目标自动识别方法，本发明对机场目标的多维跑道线特征进行学习得到线特征分类器，通过线特征分类器筛选机场跑道线，无需设定大量的阈值条件，具有更广泛的适用性；对提取的直线段进行筛选并确定ROI区域，而不是直接依赖大量先验知识确定ROI区域；根据纹理特征学习得到的纹理特征分类器判断ROI区域是否为机场目标，这种集成多分类器的识别方法有效避免了单纯依靠线特征分类器导致机场目标提取错误的情况，可有效提高机场目标自动识别的精度。

摘要： 本发明公开了一种基于深度学习的图像内部纹理分类方法，包括：1)输入纹理图像；2)使用ResNet50对图像提取特征，其对特征进行分层提取，将后面三个特征层的输出进行融合；3)设计多尺度特征感知模块对ResNet50提取的特征进行多尺度特征感知；4)使用skip跳接结构将中间特征层的信息直接引入后面特征层中，实现中间层纹理信息的传输；5)融合多尺度特征感知模块与跨层信息中的特征图；6)设计类别信息感知模块对融合后的特征图采用类似全连接网络中编码层的方法来计算类别信息，获得每个像素点的纹理分类结果。本发明可有效实现纹理类别的精准识别，提升不同纹理交界处的识别精度。

摘要： 本发明公开了结合基于幅值排序的局部二值模式(Local Binary Pattern based on Magnitude Ranking,MRLBP)和全局N阈值模式(Global N‑thresholds Pattern,GNP)的纹理分类方法，解决局部二值模式对中心像素本身的绝对信息利用不足的问题。首先读取纹理数据集中的图像，然后利用局部邻域像素的符号信息和幅值信息，对每一个中心像素进行基于幅值排序的局部二值模式算法处理，利用N阈值分割方法，对每一个中心像素进行全局N阈值模式算法处理，再通过预训练、连接多尺度联合直方图和归一化处理来完成特征提取操作，最后使用SVM分类器进行纹理分类，得到当前纹理数据集的分类准确率。本发明具有光照不变、旋转不变、噪声鲁棒、实时性高、分类准确率高的优点，用于各种纹理分类场景和应用。

摘要： 本发明公开了基于MRLBP的纹理分类方法，MRLBP(Local Binary Pattern based on Magnitude Ranking)即基于幅值排序的局部二值模式，解决使用原始局部二值模式进行纹理分类时对幅值信息利用不足以及使用固定权重进行排序的问题。首先读取纹理数据集中的图像，然后选定合适的局部区域，利用局部邻域像素的符号信息和幅值信息，对每一个中心像素进行基于幅值排序的局部二值模式算法处理，再通过预训练、连接多尺度直方图和归一化处理来完成特征提取操作，最后使用SVM分类器实现纹理分类，得到当前纹理数据集的分类准确率。本发明具有旋转不变、噪声鲁棒、实时性高、分类准确率高的优点，用于各种纹理分类场景和应用。

摘要： 本发明公开了一种五轴球头铣削表面纹理分类及对应刀具姿态范围确定方法，可以得到不同刀具姿态角加工下表面纹理形貌特征分类进而得到不同表面纹理形貌特征分类对应刀具姿态角范围。本发明的方法能够根据五轴球头铣削表面纹理形貌特征得到其对应刀具姿态角范围。