1 太原理工大学电气与动力工程学院电力系统运行与控制山西省重点实验室, 山西 太原 030024
2 华北电力大学电气与电子工程学院, 北京 102206
基于BOF(Bag of features)图像检索算法对电气设备图像进行分类,首先,通过加速鲁棒特征(SURF)算法寻找特征点位置,构造高维特征描述算子对特征进行描述和统计。然后,利用K-means聚类算法处理特征描述算子,得到独立的视觉词汇并汇总为特定数目的码书。将码书中的特征描述算子进行量化和加权统计,用特征向量直方图表示整个图像。最后,用训练集图像的高维特征向量进行机器学习,对未知图像进行快速准确分类。将自然光条件下拍摄的电气设备图像和电气设备工作状态下的红外图像作为两个实验样本集进行分类测试,结果表明,该算法可对不同图像集实现快速准确分类,准确率可达95.59%。
机器视觉 图像分类 图像检索 特征量化 特征聚类 激光与光电子学进展
2020, 57(18): 181011
医学光电科学与技术教育部重点实验室, 福建省光子技术重点实验室, 福建师范大学, 福建 福州 350007
近年来通过计算机技术对瘢痕实现无损诊断的研究进展迅速, 其对瘢痕图像纹理特征的量化分析得到了很好的诊断效果。在这个过程中出现了很多纹理描述方法, 这些方法的提出也促进了纹理研究的发展。本文在对灰度共生矩阵(GLCM)、局部三值模式(LTP)等统计纹理分析方法进行介绍的情况下, 在瘢痕图像上利用梯度迭代回归树算法给出了不同方法的实验结果, 得到了不同方法的回归模型。这些模型的性能体现在对不同年龄瘢痕的预测能力, 其中局部差异局部二值模式(LD-LBP)和局部方向三值模式(LOTP)得到的模型预测能力最好, 说明它们是目前对瘢痕图像纹理描述比较准确的方法之一, 同时表明统计纹理分析方法适合用于瘢痕图像的纹理研究。
皮肤瘢痕 纹理特征 特征量化 局部描述子 skin scar texture features feature quantification local descriptor
