共查询到20条相似文献，搜索用时 46 毫秒
1.
基于颜色和纹理特征的彩色图像检索方法 总被引：1，自引：0，他引：1
由于单一特征不足以准确地描述图像的特征,文章提出了一种新的彩色图像检索方法,该方法在对图像进行分块的基础上,分别计算图像R、G、B三通道的均值和方差,获取了图像的颜色统计特征;然后通过小波包变换提取纹理特征。在进行图像间的相似性测量时,为了结合不同的特征进行全局的相似性检索,还采用Guassian模型对不同特征间的距离进行了归一化处理。仿真结果表明,提出的方法具有良好的检索效果。 相似文献
2.
3.
提出了一种基于四元数小波变换的纹理图像分类方法.首先通过四元数小波变换提取纹理特征,再通过k最近邻算法进行分类.实验表明,四元数小波变换应用干纹理图像分类是一种有效的方法. 相似文献
4.
5.
6.
通过分析原有纹理粗糙度,提出一种改进的纹理粗糙度算法：在选取领域尺寸和计算领域均值差值这两个方面需要改进。实验表明,改进纹理粗糙度具有更强的纹理分辨能力和更好的旋转不变性,基于改进纹理粗糙度的图像检索结果优于原有纹理粗糙度的图像检索结果。 相似文献
7.
8.
针对虹膜图像的纹理特征表示主要集中在中高频能量部分,对图像进行小波包分解,并提取出特征向量,运用变维方式对奇异值特征向量做进一步处理,进而将获得的特征向量做为虹膜图像的识别特征向量,依据欧氏距离分类器对他们做识别分类。最后的试验结果证明了这种算法的有效性与合理性。 相似文献
9.
10.
11.
本文提出一种基于2DGabor滤波器和LBP的车牌识别方法,与基于2DGabor滤波器的方法相比,该方法降低了图像维数,识别时间短,识别精度高。首先利用2DGabor滤波器对归一化后的图像进行低通滤波,然后使用LBP提取车牌纹理特征,最后用支持向量机作为分类器。在课题组自建的车牌库上进行实验,取得了94.3%的识别率和每张图像0.291s的识别时间,说明该方法基本满足实际需要。 相似文献
12.
《科技通报》2016,(8)
图像在过度曝光采集的情况下会因为光圈的进光量过大导致图像的细节关键信息缺失,研究过度曝光图像的缺失信息修复算法,为图像的细节特征分析奠定基础。传统方法采用图像小波尺度分解方法进行图像缺失信息修复,随着光圈的增大,对细节信息的修复效果不好,提出一种基于改进的小波包分解的过度曝光图像缺失信息修复算法。构建了过度曝光图像的纹理信息特征传导模型,采用Harris角点检测算法实现对过度曝光图像的灰度特征匹配,采用小波包分解方法对图像缺失信息进行位置和尺度信息的重构,实现缺失信息修复。仿真结果表明,采用该算法进行过度曝光图像修复,图像的细节特征得到准确有效复原,提高图像的识别能力。 相似文献
13.
机加工表面纹理特征在实际的研究和应用中具有重要意义,而当前基于小波变换的方法由于丢弃了隐藏丰富特征信息的高频部分,因此准确度不高。本文提出利用小波包变换和奇异值分解的方法来提取图像特征,实验证明,该方法具有较高的准确度和较强的适应性。 相似文献
14.
在对大型图像数据库的特征挖掘优化过程中,利用传统算法进行特征挖掘,假设图像数据库中的图像属性差异较大,将极大的降低挖掘精度,难以获取精确的挖掘结果。为了弥补上述弊端,提出了一种大型图像数据库特征挖掘优化方法。利用局部二维模式纹理分析方法,提取数据库图像中的纹理特征,同时融合渐变计算方法,根据数据库中图像纹理特征,完成图像数据库特征挖掘。实验结果表明,利用改进算法进行大型图像数据库的特征挖掘,能够提高挖掘速度与精确度,可以获取准确的挖掘结果,满足大型图像数据库运行过程中的实际需求。 相似文献
15.
(Symmetric alpha-Stable)模型是小波域一种精确的图像模型 ，但是其计算复杂性高,本文在分析 模型的基础上，提出了高斯-柯西模型，将此模型作为图像的小波域先验模型信息，并用Bayesian估计器，算法复杂性上有显著的降低。另外，图像对数变换后的统计特性发生变化 ，需要在变换过程中加入均值调整的过程。实验结果表明，本文的算法模型在较好的保持了SAR图像结构的基础上，能较好的保留图像边缘信息和纹理特征，并能有效的抑制图像的斑点噪声，取得了良好的效果。 相似文献
16.
针对缺陷检测方法中存在检测所需时间较长、漏检率较高等问题,基于机器学习,提出封口处视觉缺陷图像检测方法。首先,采用小波阈值去噪方法对烟草包装封口处图像进行小波变换,抑制图像噪声;在图像去噪处理后,使用机器学习基函数对封口处纹理图像进行小波分解,将图像分解成彼此独立的子窗口。然后计算不同窗口的差分统计纹理特征值,最后运用欧式距离分类器进行缺陷判断,结合Harris角点检验算法进一步完成缺陷部分精确检测。实验结果表明,所提方法检测所需时间平均缩短了约0.27 s,误检率降低了近8个百分点。 相似文献
17.
18.
《科技通报》2015,(12)
在复杂电磁环境下,动态飞行摄像机对地面采集的场景图像具有较大的模糊性,需要进行图像增强处理,提高对图像的辨识能力。传统的图像增强算法采用基准特征提取和小波轮廓掩膜处理方法,对图像的细节部分的增强效果不好。提出一种基于小波包分层净化的模糊图像细节增强算法。首先进行了图像的采集系统设计和干扰模型构建,对采集的数字图像进行小波包分层净化处理,把原始图像的细节特征作为母小波函数,计算母小波函数的时间尺度因子,以此作为数据输出,结合人工鱼群算法实现对净化处理后的图像的细节增强。仿真结果表明,该算法能有效实现模糊图像的细节增强,改善图像成像质量,两组仿真图像的峰值信噪比提高了12.4%和15.3%。 相似文献
19.