针对传统尺度不变特征变换 (SIFT) 算法在图像拼接过程中计算量较大的问题, 提出了一种基于相位相关和纹理分类的快速 SIFT 拼接算法。首先, 使用相位相关法粗略地获取待拼接图像的重叠区域; 其次, 对图像进行纹理分类, 并选取其中纹理复杂度较高区域进行 SIFT 检测, 为了提升纹理分类阶段的速度, 提出了跳跃归类的方法; 最后, 对于不同复杂度的纹理区域, 仅在相同纹理区域内进行特征点的匹配。实验结果表明, 所提出改进算法在维持较好拼接质量的基础上, 与传统 SIFT 算法以及已有的两种改进 型 SIFT 算法相比, 平均拼接速度分别提升了 68.46%、20.45%、41.83%。因此该算法在对拼接效率有较高要求的领域具有潜在的应用价值。

针对基于 LBP的许多改进方法需要提前训练, 对旋转和照明变化鲁棒性较差的特点, 本文通过融合 CLBP和图像表面的局部几何不变特征提出了一种新的纹理分类方法。该算法首先计算图像表面的局部几何不变特征, 然后对其进行量化和编码。其次, 再将编码结果与 CLBP直方图进行融合。本文提出的算法能够同时提取图像的宏观和微观特征, 且具有不明显增加特征维度, 无需提前训练, 对图像的旋转和光照变化保持不变的特点。在两个标准纹理数据库上进行实验验证, 结果表明, 本文算法与其它算法相比在分类精度和鲁棒性上都有明显的提高。

提出了一种用于纹理分类的旋转不变性特征提取的新算法.该算法是将一定大小的图像进行二维傅里叶变换；其次在变换后的图像中央选择一个圆盘区域，并在方向［0°，180°］内进行等间隔角度频率抽样，实现方向分解，使用一组复Morlet小波对每个方向上的映射切片进行小波变换，从而实现多通道频率分解；在各个频率通道中计算均值和方差作为特征，并利用线性回归模型计算频率通道之间的关系特征；将特征沿方向进行一维傅里叶变换并取其幅值，从而得到旋转不变性特征.实验结果表明所提取的特征具有较好的旋转不变性，与其它算法相比具有更好的分类性能，并且对无旋转纹理分类也能产生较好的分类结果.

针对纹理图像分类问题,本文提出了一种应用ICA滤波器技术提取图像纹理特征的方法。该方法首先从训练图像集中随机抽取图像块作为观测信号,应用ICA技术,提取滤波器组。然后根据训练样本图像对滤波器组的响应值来评估和选择滤波器组,达到降维的目的。最后利用滤波器组对测试图像进行滤波,得到该图像的滤波响应结果,从该响应结果中得到最大响应滤波器编号,提取其直方图作为图像的全局特征和局部特征。对Brodatz纹理图像集中108个纹理类别进行了分类实验,结果表明,与MPEG-7纹理描述子相比,该图像特征对纹理图像具有更好的分类效果。

提出了一种基于双树复数小波变换(DT-CWT)和支持向量机(SVM)的纹理分类算法.双树复数小波变换不仅具有实数小波的诸多优点,而且还具有近似平移不变性、良好的方向选择性和低冗余度,并且能对图像进行完全重构,能够更好地刻画纹理的特性;支持向量机算法是近年发展起来的性能优越的分类算法,比传统分类器有很大的优越性:避免了局部最优解和"维数灾"问题,其最优分类超平面的思想能够提高分类准确度.该方法用双树复数小波对纹理图像进行滤波并在各方向子带上进行重构,再计算其局部能量函数得到每个像素的特征向量,最后利用支持向量机算法实现对纹理图像像素的分类.将本方法与其它的分类算法进行比较,实验结果表明,提出的算法能有效地提高正确分类率.

在纹理分类中采用谱直方图表示(SHR),每个图像窗表示一个包含滤波后图像直方图的特征向量,而直方图是图像谱表示的连接桥梁.在滤波器选择算法之前,结合每个图像分块和滤波器的独立谱表示和直方图,可以获得更加低层的局部特征.最后,时所有独立滤波器采用滤波器选择算法来得到所需的少量滤波器.为了保证分类的可靠性,选择高斯径向基函数(RBF)进行谱直方图表示,采用支持向量机(SVMs)作为分类函数.对本文方法和其它两种方法:Gabor滤波和独立成分分析(ICA)进行了纹理分类和脸部识别的比较实验.实验结果表明,本文方法具有更高的分类准确性,也证明了SVMs优秀的泛化能力.

首先根据遥感影像空间分辨率较低,局部区域内图像纹理变化不大的特点,对遥感影像进行合理的分块,使得各分块具有单一的主纹理特征;然后利用Gabor小波变换提取各图像块的纹理特征向量,并通过简单的循环移位算法,方便的形成方向无关的纹理特征向量;进而引入改进的棋盘距离来描述图像块间的相似度,最后使用无监督聚类算法对影像块进行分类,达到了很好的分类效果.