检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 基于Contourlet变换和支持向量机的纹理识别方法

王佳奕葛玉荣

计算机应用 2013, 33 (03): 677-679. DOI: 10.3724/SP.J.1087.2013.00677

摘要（786）

PDF （645KB）（615）

针对变换域中图像纹理识别时如何选择最佳特征向量的问题,利用Contourlet变换的多方向、多尺度选择性和各向异性,将图像从空间域变换到频率域,全面地提取了Contourlet变换分解后低频子带、中频子带和高频子带的特征,输入支持向量机(SVM)分类器进行分类识别。利用Brodatz纹理库进行仿真实验,实验结果表明低频均值方差和高频能量作为组合特征时识别准确率可达98.75%,且特征向量维数少,是在Contourlet变换下表示图像纹理的最优特征。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于形态学与不完全树形小波分解的图像纹理特征提取算法

张雯葛玉荣

计算机应用 2011, 31 (06): 1592-1594. DOI: 10.3724/SP.J.1087.2011.01592

摘要（1316）

PDF （570KB）（539）

针对不完全小波树形结构分解提取纹理特征仅对清晰度高的图像效果佳，运算速度慢的问题，提出基于形态学预处理的不完全小波树形分解快速提取图像纹理特征的算法。首先采用形态学高帽—低帽变换对图像进行预处理，去除图像噪声，增强对比度；在提取纹理特征时，采用一致性判别;对于一致性强的图像，只利用图像的一部分进行不完全小波树形结构分解提取出能量、方向性等纹理特征，提高了运算速度；最后使用双概率神经网络(DPNN)的方法自适应地对纹理图像进行识别。利用Brodatz纹理库进行了仿真实验，并将该算法应用到了现场拍摄的海水中藻类细胞图像的识别。实验结果表明，该算法特征提取和识别速度快，尤其对于清晰度不高、现场拍摄的纹理图像具有较好的效果。