-
公开(公告)号：CN110490210A
公开(公告)日：2019-11-22
申请号：CN201910782708.X
申请日：2019-08-23
Applicant: 河南科技大学
Abstract: 本发明公开了一种基于紧致通道间t采样差分的彩色纹理分类方法，包括划分图像块，生成满足t分布的采样点；在每个图像块中，提取通道间t分布差分描述子；通过Fisher-PCA方法构建基于紧致通道间t采样差分的描述子(CITDD)；将最终得到的基于紧致通道间t采样差分的描述子(CITDD)通过线性SVM分类器进行分类的步骤。本发明中，首先通过t分布在图像块中采样微块，通过微块差分对不同颜色通道间的关系进行建模构建通道间t采样差分描述子(InterTDD)；随后将通道间t采样差分描述子(InterTDD)通过Fisher-PCA方法得到基于紧致通道间t采样差分的描述子；在五个公开的标准纹理数据集上的分类实验结果表示表明，与现有的具有代表性的彩色纹理分类方法相比，更加有效、实用、高效。
-
公开(公告)号：CN110264482A
公开(公告)日：2019-09-20
申请号：CN201910388494.8
申请日：2019-05-10
Applicant: 河南科技大学
Abstract: 本发明公开了基于中智集变换矩阵因子分解的活动轮廓分割方法，逻辑紧密、高效，具有很好的强鲁棒性，分别从空间、小波和光谱三重域中提取特征，使用中智集（NS）变换和相应操作来减少图像中的不确定性，继而得到NS特征，然后根据得到的NS特征矩阵，利用基于因子分解的活动轮廓模型（ACM）来完成图像分割过程，最后在各种复杂彩色自然图像上与其它几种分割算法进行比较实验，实验结果表明，我们的NSTMF-AC方法对于复杂的两相自然纹理图像更加高效、稳健，可以实现自动分割自然彩色纹理图像，并对噪声具有强鲁棒性。
-
公开(公告)号：CN110348458A
公开(公告)日：2019-10-18
申请号：CN201910568093.0
申请日：2019-06-27
Applicant: 河南科技大学
Abstract: 一种基于局部方向极值模式的图像纹理分类方法，具体包括以下步骤：首先通过计算局部方向差分计数模式-奇数位置DLDCP-OP和局部方向差分计数模式-偶数位置DLDCP-EP，组成局部方向差分计数模式直方图VDLDCP；其次提取邻域极值局部模式直方图VNERLP，其包含极值位置模式ELP，极值差分模式EDP，极值压缩模式ECP；将提取的局部方向差分计数模式直方图VDLDCP和邻域极值局部模式直方图VNERLP联合，最后采用卡方距离和最近邻分类器进行分类。本发明有效的捕获了图像纹理的方向信息和像素强度信息，通过连接局部方向差分计数模式和邻域极值局部模式，得到基于方向极值化局部模式的图像纹理分类方法。
-
Patent Agency Ranking
公开(公告)号：CN107862335A
公开(公告)日：2018-03-30
申请号：CN201711084549.3
申请日：2017-11-07
Applicant: 河南科技大学
CPC classification number: G06K9/6271 , G06K9/4642
Abstract: 一种基于多尺度反馈度量学习的纹理图像分类方法，涉及模式识别与图像处理技术领域，包括以下步骤：使用轮廓波变换对训练纹理图像和测试纹理图像进行处理，得到训练纹理图像和测试纹理图像的轮廓波子带；由轮廓波子带中提取相异增量生成直方图特征；通过建立模型学习求出纹理图像类距离定义中子带距离的权重W并通过循环不断修正W，利用W计算剩余测试纹理图像与每个类别训练样本的距离从而实现分类。本发明有益效果：解决了目前图像纹理表示和分类中轮廓波子带的不平衡导致的纹理分类正确率较低的问题，具有分类精确性高、稳健性强等特点，具有很高的实际应用价值。
-
公开(公告)号：CN110490210B
公开(公告)日：2022-09-30
申请号：CN201910782708.X
申请日：2019-08-23
Applicant: 河南科技大学
IPC: G06V10/56 , G06V10/77 , G06V10/764
Abstract: 本发明公开了一种基于紧致通道间t采样差分的彩色纹理分类方法，包括划分图像块，生成满足t分布的采样点；在每个图像块中，提取通道间t分布差分描述子；通过Fisher‑PCA方法构建基于紧致通道间t采样差分的描述子(CITDD)；将最终得到的基于紧致通道间t采样差分的描述子(CITDD)通过线性SVM分类器进行分类的步骤。本发明中，首先通过t分布在图像块中采样微块，通过微块差分对不同颜色通道间的关系进行建模构建通道间t采样差分描述子(InterTDD)；随后将通道间t采样差分描述子(InterTDD)通过Fisher‑PCA方法得到基于紧致通道间t采样差分的描述子；在五个公开的标准纹理数据集上的分类实验结果表示表明，与现有的具有代表性的彩色纹理分类方法相比，更加有效、实用、高效。
-
公开(公告)号：CN110348458B
公开(公告)日：2022-09-30
申请号：CN201910568093.0
申请日：2019-06-27
Applicant: 河南科技大学
IPC: G06V10/50 , G06V10/764
Abstract: 一种基于局部方向极值模式的图像纹理分类方法，具体包括以下步骤：首先通过计算局部方向差分计数模式‑奇数位置DLDCP‑OP和局部方向差分计数模式‑偶数位置DLDCP‑EP，组成局部方向差分计数模式直方图VDLDCP；其次提取邻域极值局部模式直方图VNERLP，其包含极值位置模式ELP，极值差分模式EDP，极值压缩模式ECP；将提取的局部方向差分计数模式直方图VDLDCP和邻域极值局部模式直方图VNERLP联合，最后采用卡方距离和最近邻分类器进行分类。本发明有效的捕获了图像纹理的方向信息和像素强度信息，通过连接局部方向差分计数模式和邻域极值局部模式，得到基于方向极值化局部模式的图像纹理分类方法。
-
公开(公告)号：CN107862335B
公开(公告)日：2021-06-01
申请号：CN201711084549.3
申请日：2017-11-07
Applicant: 河南科技大学
Abstract: 一种基于多尺度反馈度量学习的纹理图像分类方法，涉及模式识别与图像处理技术领域，包括以下步骤：使用轮廓波变换对训练纹理图像和测试纹理图像进行处理，得到训练纹理图像和测试纹理图像的轮廓波子带；由轮廓波子带中提取相异增量生成直方图特征；通过建立模型学习求出纹理图像类距离定义中子带距离的权重W并通过循环不断修正W，利用W计算剩余测试纹理图像与每个类别训练样本的距离从而实现分类。本发明有益效果：解决了目前图像纹理表示和分类中轮廓波子带的不平衡导致的纹理分类正确率较低的问题，具有分类精确性高、稳健性强等特点，具有很高的实际应用价值。
-
公开(公告)号：CN110264482B
公开(公告)日：2022-09-09
申请号：CN201910388494.8
申请日：2019-05-10
Applicant: 河南科技大学
Abstract: 本发明公开了基于中智集变换矩阵因子分解的活动轮廓分割方法，逻辑紧密、高效，具有很好的强鲁棒性，分别从空间、小波和光谱三重域中提取特征，使用中智集（NS）变换和相应操作来减少图像中的不确定性，继而得到NS特征，然后根据得到的NS特征矩阵，利用基于因子分解的活动轮廓模型（ACM）来完成图像分割过程，最后在各种复杂彩色自然图像上与其它几种分割算法进行比较实验，实验结果表明，我们的NSTMF‑AC方法对于复杂的两相自然纹理图像更加高效、稳健，可以实现自动分割自然彩色纹理图像，并对噪声具有强鲁棒性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
