【摘 要】
：
为了有效提取图像的纹理特征,充分利用纹理的方向性以及纹理在不同方向具有不同频率成分这两个特性,提出了基于多尺度方向分解的纹理特征提取方法.首先根据Rado n变换的方法检测纹理方向,Rado n变换各角度投影向量方差的二阶导数最小值对应的投影角度即为纹理方向.然后根据得到的图像纹理方向信息,利用可控金字塔将图像沿纹理方向进行三个尺度的分解,得到纹理方向上图像的多尺度子带图像.最后以三个尺度子带图像的Legendre矩和Zernike矩作为图像的纹理特征.分别在Brodatz和VisTex数据集上进行实验验
【机 构】
：
海军航空大学 岸防兵学院,山东 烟台 264001;后勤保障部 资金集中收付管理中心第四分中心,山东 烟台 264001
论文部分内容阅读
为了有效提取图像的纹理特征,充分利用纹理的方向性以及纹理在不同方向具有不同频率成分这两个特性,提出了基于多尺度方向分解的纹理特征提取方法.首先根据Rado n变换的方法检测纹理方向,Rado n变换各角度投影向量方差的二阶导数最小值对应的投影角度即为纹理方向.然后根据得到的图像纹理方向信息,利用可控金字塔将图像沿纹理方向进行三个尺度的分解,得到纹理方向上图像的多尺度子带图像.最后以三个尺度子带图像的Legendre矩和Zernike矩作为图像的纹理特征.分别在Brodatz和VisTex数据集上进行实验验证,与其他方法的对比结果表明,采用多尺度分解的方法提取纹理,用于纹理图像识别时,识别准确率高,抗噪声能力强.
其他文献
针对传统三维地形生成算法在生成大规模地形数据时用时较多的问题,提出了一种结合双线性插值和Perlin Noise的地形生成算法.该方法首先将初始地形数据进行扩展,之后利用双线性插值和Perlin Noise进行地形细节生成.该方法能够有效降低生成大规模地形数据时的时间,并且该算法还可利用低分率地形数据生成高分辨率地形数据.
为提高火车票识别精度和效率,将图像处理技术和BP神经网络结合,提出了一种基于图像处理和BP神经网络的火车票号识别算法.首先,通过图像预处理、目标区域的定位、二值化、倾斜校正和字符分割,提取火车票的身份证号码特征信息,建立特征信息库;之后,将特征信息库作为BP神经网络的输入,数字和字符类别作为BP神经网络的输出,建立BP神经网络的火车票号识别模型.研究结果表明,与模板匹配和SVM相比,提出的方法可以有效提高火车票号的识别精度和效率,识别精度高达97.7％,从而为火车票号识别提供新的方法.
粗糙集属性应急数据存在冗余特征,降低挖掘效率,提出基于信息熵的粗糙集属性应急数据去重挖掘算法.将粗糙集理论和信息熵相结合,离散化处理应急数据,离散化完成后,约简对于决策表的条件信息熵大小不产生任何影响的属性,设定决策属性集合和条件属性集合,选取将同约简属性集合B的属性组合数目最小的熵值实现约简,去除冗余特征,完成应急数据去重挖掘.以大型船舶应急数据为研究对象展开数据去重挖掘,结果表明:可有效去重挖掘到船舶旋回性相关应急数据,利用数据增比特征能够分析到各因素对船舶旋回性的影响,并且所研究算法的挖掘效率较高,
为使智能光网络(ASON)在受灾时各等级协定(SLA)波长业务重获局向资源,研究了一种风险规避算法.首先通过构建动态损毁数学模型为不同SLA等级波长业务的连接分别设定稳定度阈值条件.然后借鉴启发式算法计算思想为受灾的各等级SLA波长业务分别制定自愈策略.再根据灾后通路资源需求变化设计带宽重置方案以保证灾后SLA业务的生存性.仿真表明,算法在稳健性、失效率、呼损率多指标中均有良好的优势.
主动学习已经被证明是一种成功的机器学习算法,最主要的缺点是它只注重样本的标签信息而忽略了样本的分布信息.因此带来的后果就是稳定性差,容易陷入局部最优解,同时对初始样本的选择非常敏感.论文将稀疏子空间聚类与主动学习相结合,首先利用稀疏子空间聚类找到原始数据的分布信息,然后利用该信息指导主动学习选取初始样本,使样本标注更加有效,提高了主动学习的效率,同时降低了主动学习对初始样本的敏感度.最后通过多组仿真实验证明,本方法可以有效的改善主动学习的性能.
给出了一种基于LeNet-5改进的人脸识别方法,以其能适用于资源及计算能力有限的嵌入式系统.把典型卷积神经网络LeNet-5的结构,设计为由两个卷积采样层、一个全连接隐藏层和一个分类输出层,降低了网络结构复杂度.而且减少了卷积核的个数、改进了池化方式以及分类输出方式,降低了计算复杂度.实验证明,在保证训练和测试精度的同时,该方法提高了在嵌入式平台上进行单人脸识别的速度.
针对现有海量数字图像信息落后,提出了新型的压缩算法,设计出基于FPGA的视频图像采集系统.应用深度卷积神经网络优化视频图像编码算法和聚类算法实现数据特征提取,将图像与距离信息作为深度卷积神经网络的输入与输出,并利用其特征提取能力学习图像特征的距离信息,提取深度卷积神经网络中的全连接层作为编码,通过迭代调整确定图像编码,完成图像压缩.应用测试结果显示,该算法具有较高效率优势,且图像压缩解码后质量较好.
基于Backes Andre Ricardo等人提出的“构造伴生动态演化网络”、生成“高维解释向量”的纹理图片分类法,研究了Kylberg纹理图像库的分类问题.通过将数据集图片样本进行二次分割以减少该算法预处理计算量、提出了构建纹理网络时的“网络顶点随机化、抽样采集”策略,该思路可进一步减少算法的时间开销.该类纹理图片数据高维几何数字特征的提取流程易于实现,扩展了原算法的适用范围.数值结果表明算法对旋转操作、噪声干扰具有一定的鲁棒性,具备一定潜在应用前景.
第五代网络技术条件下配电通信网互联可构成大规模光传送网.为解决路由选择、子载波数分配、各子载波调制阶数分配的联合优化问题,结合最短k路由算法,提出一种近优算法.为了检验该近优方法的有效性,以一个中等规模网络为例,将其与基于路由穷举的最优方法对比,结果表明,所提出的近优方法以较小的k值就可以求得联合优化问题的最优解,而计算时间较基于路由穷举的联合优化最优算法有显著降低.
提出了一种皮革视觉缺陷检测算法.通过分析皮革图像的低秩特征,将皮革图像缺陷检测问题转变为从低秩背景图像中分离稀疏矩阵图像.首先采用Gaussian高通滤波器对图像进行了预处理,然后利用鲁棒性主成成分分析(RPCA)对图像进行低秩稀疏分解,并采用效率较高的非精确增广拉格朗日乘子法(IALM)求解.对分解后的稀疏图像进行了后处理,最终在二值图像中获得缺陷的形状和位置.该算法的效率及准确率已经在实验中进行了验证,并与现有算法进行了比较.实验表明,该算法可以用来检测各种不同种类和大小的缺陷,检测准确率高且能够提供