一种字符识别算法在自动识别系统中的应用

光学字符识别是模式识别领域中最经典也是得到最广泛应用的方向之一,而车牌识别系统是应用光学字符识别技术的典型系统。文章基于车牌识别系统的开发,提出一种基于二值图像的字符识别算法。在该算法中,提取字符的点阵特征、特征线和网格特征,分类器采用神经网络。为充分利用各组特征向量的互补作用,采取层次结构来获得系统的最佳性能。在车牌号图片库中测试其算法。实验表明,算法非常有效。     

基于 PCA 特征融合与 LDA 分类的实木地板纹理判别方法

纹理一致性影响着实木地板档次,针对目前实木地板纹理分类速度慢、精度低的问题,提出一种适合区分直纹、抛物纹、乱纹3类纹理的在线检测方法。方法首先对纹理图像进行缩小,运用视觉心理学的Tamura方法提取粗糙度、对比度、方向度、线性度、规整度、粗略度等6个纹理特征;同时在原图像提取反映图像全局信息的灰度均值、方差、熵等3个统计量;然后,运用主成分分析法（PcA）对3类纹理9个特征进行降维融合操作;最后,采用线性判别分析方法（LDA）构建3类纹理的辨识模型。采用200幅实木地板纹理图像进行实验,当主成分个数为7时,分类正确率稳定达到85％,较传统Tamura方法的83％和全局基本统计量的70％有所提高;特征提取时间为0．5548S,比缩小前图像的Tamura特征提取时间55．7000S明显减低,而分类正确率没有明显变化。     

基于PCA特征融合与LDA分类的实木地板纹理判别方法

纹理一致性影响着实木地板档次,针对目前实木地板纹理分类速度慢、精度低的问题,提出一种适合区分直纹、抛物纹、乱纹3类纹理的在线检测方法。方法首先对纹理图像进行缩小,运用视觉心理学的Tamura方法提取粗糙度、对比度、方向度、线性度、规整度、粗略度等6个纹理特征;同时在原图像提取反映图像全局信息的灰度均值、方差、熵等3个统计量;然后,运用主成分分析法(PCA)对3类纹理9个特征进行降维融合操作;最后,采用线性判别分析方法(LDA)构建3类纹理的辨识模型。采用200幅实木地板纹理图像进行实验,当主成分个数为7时,分类正确率稳定达到85%,较传统Tamura方法的83%和全局基本统计量的70%有所提高;特征提取时间为0.554 8 s,比缩小前图像的Tamura特征提取时间55.700 0 s明显减低,而分类正确率没有明显变化。     

基于递归纹理特征消除的WorldView-2树种分类

利用遥感影像识别树种是一个尚未解决的科学难题,传统方法在高分辨率影像树种分类中存在着诸多不适宜问题。本文通过提取WorldView-2影像的纹理特征构造高维数据,利用递归特征消除降低数据维数,逐步解除最大似然分类的休斯现象,并将有代表性的纹理特征集合与光谱特征结合,对树种进行分类。结果显示:在递归消除8个纹理特征后,最大似然的休斯现象达到了很好的规避;在结合光谱特征后,分类的总体精度达到了86.39%,Kappa系数达到了0.8410,比基于光谱特征的总体精度和Kappa系数高12.32%和0.1436。研究表明,在高维数据中通过递归特征消除规避最大似然分类的休斯现象,充分结合影像纹理与光谱信息对树种分类可以取得更为理想的结果。      

纹理模型回归分析在地震图像增强中的应用

高质量的地震图像在地震资料的解释过程中有其举足轻重的作用。地震图像纹理模型回归分析实际上是一个统计滤波的过程,因此可以采用该方法提高地震图像的质量。基于实际地震数据研究表明,该方法明显提高了地震图像的质量,并保持地震图像的纹理结构,且计算时间少。     

Matlab自组织神经网络在遥感图像分类中的应用

以Matlab平台为基础，利用神经网络工具箱构建了自组织神经网络，对一幅TM432假彩色遥感图像通过300次训练后，仿真输出能真实地反映原始图像的特征。其分类总精度为87．14％，Kappa系数为0．85，分类精度能够满足遥感图像分类的需要。     

一种基于图像内容检索技术的数字视频水印算法

利用基于Tamura纹理特征的图像内容检索技术,通过对原始视频图像进行Tamura纹理特征分析,提取具有极大纹理特征值的某些帧来嵌入水印,水印嵌入算法辅助采用小波变换。仿真试验表明,本算法能抵抗高斯、剪切、泊声等常见的水印攻击。同时算法对视频压缩也表现出良好的健壮性, 对保护视频版权有一定的指导意义。     

一种基于特征点分块的岩心图像融合算法

岩心图像数据采集中,由于岩心表面凹凸不平或者受损,导致单次采集的图像有局部模糊的现象,因此,需要多次聚焦、采集、成像,然后将多幅局部模糊岩心图像融合为单幅高清岩心图像。但在岩心图像融合过程中,容易出现融合重影、"块"现象。结合岩心图像特点(纹理细腻、色彩多样等),提出基于特征点分块的岩心图像融合算法。该算法先校准多幅图像间的几何形变,然后插值融合得到单幅高清岩心图像。试验结果表明,该算法能较好解决岩心高清图像融合中出现重影、"块"现象的问题,使融合的岩心图像效果满足应用需求。     

GIS与RS集成的高分辨率遥感影像分类技术在地类识别中的应用

为提高高分辨率遥感影像的分类精度，本文提出了一种GIS与RS集成的分类技术，它从遥感影像和GIS矢量数据一体化的角度出发，充分利用了矢量数据的图斑边界信息，通过提取单一地类图斑内的灰度特征，纹理持征和形态特征识别图斑所属地类，经研究表明，无论在实验结果上还是在分类的机理上都证明了，在高分辨率遥感影像的土地利用分类中，这种GIS与RS集成的分类技术的准确率超过了传统遥感影像的分类的准确率。     

基于Gabor滤波与Tamura纹理特征的板材分类研究

板材表面的纹理特征是木质板材表面最为直观的特性,同时也是建筑装潢质量和木制品品质的重要评价指标。以中国东北部常见的红松、落叶松、白桦、水曲柳和柞木等5种树种的弦切、径切图像作为研究对象,提出一种基于多通道Gabor滤波和Tamura纹理特征的板材纹理特征提取方法,克服了传统方法在提取样本图像的全局特征时对局部纹理特征不敏感的问题。具体是将基于视觉心理学的Tamura纹理特征与Gabor滤波器进行结合,在不同频率、不同方向上共24组滤波器的虚部卷积图像上进行纹理特征参数提取,结合上述的纹理特征参数在BP神经网络、KNN和支持向量机分类器上进行分类试验,最佳特征参数体系的识别率达97.8%。     

基于卷积神经网络干制哈密大枣纹理分级

【目的】研究一种基于卷积神经网络干制哈密大枣纹理分级的方法。利用卷积神经网络解决干制哈密大枣的纹理分类问题。【方法】将大小统一的彩色图片输入网络,卷积核自动提取其纹理特征,进行分类。【结果】分类准确率达到了97.7%。【结论】与常用的灰度共生矩阵提取干制哈密大枣纹理特征(最大概率,相关性,对比度、能量、同质性和熵),再用BP神经网络和支持向量机(SVM)分类准确率相比的方法,避免了复杂纹理提取和图片预处理的过程,在测试时间相近的情况下识别率更高。     

基于分形维数的图像纹理分析

利用分数维能够把图像的空间信息和灰度信息有机结合起来的特性,提出了一种基于分形维数的图像纹理分析方法.为了更准确地描述纹理表面的粗糙度,该方法首先将纹理图像进行6种灰度变换并计算其相应的分形维数,同时采用H lder指数作为描述图像纹理的奇异性特征,然后利用提取的纹理特征对图像进行纹理分割.实验结果表明:采用该方法所分割的图像能很好地体现图像的纹理分布.     

基于温室植物叶片纹理的病害图像处理及特征值提取方法的研究

为了实现温室病害的智能化防治,深入研究了植物病害图像处理中基于叶片纹理的特征值提取方法。通过对温室黄瓜斑疹病和角斑病的处理研究发现,利用灰度共生矩阵方法提取出来的惯性值是识别这两种病害较好的特征参量之一。     

基于TPA法评价枣果实质地及聚类分析

【目的】研究基于TPA法评价枣果质地及聚类分析,准确客观描述枣果实质地,建立标准化、统一化的鲜枣果实质地,评价方法。【方法】以56个枣品种为材料,采用质构仪质地多面分析试验法,对比分析果实口感评价对果实采后质地。【结果】果实硬度与果实弹性和咀嚼性均呈极显著正相关,咀嚼性与弹性呈极显著正相关,弹性与凝聚性呈显著负相关。品种间果实粘附性差异不大,硬度和凝聚性差异较大。通过主成分分析将10个指标(质构仪参数和果实口感指标)组合形成适口性、凝聚性、口感粘附、果肉紧实、果肉粗细和用途,6个主成分累计贡献率达到90.30%。供试56个品种中,赞2果实硬度最大,东陵无核小枣凝聚性最高,京枣39凝聚性最低;哈八、赞2、京枣39、晋赞大枣4个品种弹性和咀嚼性好。用聚类分析方法将56个品种分为中间类群、低弹软质群和高弹硬质群3类。【结论】枣品种间口感差异较大,质构仪质地多面分析法测得的力学参数可以用于枣质地评价,聚类分析与口感评价对比发现低弹软质群的品质优于其他两个类群。     

DNA序列分类的Fisher判别法

根据氨基酸分子中的极性性质，构建了DNA序列所对应的5维向量空间，然后对文献中给出的A，B两类序列适当处理，提取特征，建立Fisher判别函数，应用上述判别函数对文献中给出的182个DNA序列进行了分类，得到了较满意的结果。     

基于灰度共生矩阵的纹理分析的统计方法

由于影像图像纹理性强,这使得对于压缩后图像纹理质量的要求显得更加严格。然而,目前的影像图像压缩技术对压缩后图像的纹理效果处理不佳。本文将图像的灰度信息加进灰度共生矩阵,使得灰度矩阵能包含图像的纹理基元及其排列信息,并给出了统计分析方法。结果表明,与传统的压缩方法相比,文中提出的新方法更好地保留了原始图像的纹理效果及其相关信息。     

基于决策树的土地利用分类方法研究

以新疆乌鲁木齐市部分区域为研究区,利用主成分分析法对Spot-5影像进行数据压缩,运用灰度共生矩阵对第一主成份进行纹理信息提取,分析Landsat-7影像的光谱特征值及NDVI和NDBI特征值,确定各类地物的综合阈值,最后运用决策树分类法对Landsat-7影像进行分类.将分类结果与最大然法分类结果相比较,结果表明,决策数分类较最大似然法分类的精度提高了5.66; ,Kappa 系数提高了7.89; .说明决策树分类能够灵活、有效运用纹理等辅助信息,更好地区分光谱特征相似的目标地物,具有更高的准确性.     

基于纹理模型的檀香咖啡豹蠹蛾虫害图像诊断方法研究

基于纹理特征模型的檀香咖啡豹蠹蛾图像诊断方法,根据健康图像和虫害图像在纹理方面表现出的差异,提出海南省北部县市檀香受咖啡豹蠹蛾虫害“多纹理特征”的确定方法。针对每种图像类型,使用提取出的4维多纹理特征,组合得到6种数学模型,并对其进行评估。结果表明：模型1(自变量为熵值均值-相关性均值,因变量为熵值均值-能量均值)的模型精度与分类精度均为最佳,并且总体分类精度达到91.25%。与逐步聚类算法和K-means聚类算法、Logistic模型二分类法相比,该方法在保证分类精度的前提下减小了计算量,并为之后纹理图像分类提供了参考依据。     

基于纹理特征的SPOT-5影像马尾松毛虫害信息提取

以福建沙县为研究区,以SPOT-5影像为数据源,采用灰度共生矩阵方法提取健康林分与受害林分的纹理特征,构建最佳纹理量,分别采用像元统计和面向对象的方法进行虫害信息提取,结果精度分别为72.00%、74.75%。研究结果证明了利用遥感影像纹理特征进行马尾松毛虫害监测的可行性,为利用融合影像光谱信息与纹理信息进行虫害信息提取研究提供了实例支撑和技术参考,同时面向对象的方法优于传统的基于像元统计的分类方法,精度稍高,"椒盐现象"也有所改善。