|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 机器视觉表面缺陷检测综述显示文摘目的工业产品的表面缺陷对产品的美观度、舒适度和使用性能等带来不良影响,所以生产企业对产品的表面缺陷进行检测以便及时发现并加以控制。机器视觉的检测方法可以很大程度上克服人工检测方法的抽检率低、准确性不高、实时性差、效率低、劳动强度大等弊端,在现代工业中得到越来越广泛的研究和应用。方法以机器视觉表面缺陷检测为研究对象,在广泛调研相关文献和发展成果的基础上,对基于机器视觉在表面缺陷检测领域的应用进行了综述。分析了典型机器视觉表面缺陷检测系统的工作原理和基本结构,阐述了表面缺陷视觉检测的研究现状、现有视觉软件和硬件平台,综述了机器视觉检测所涉及到的图像预处理算法、图像分割算法、图像特征提取及其选择算法、图像识别等相关理论和算法研究,并对每种主要方法的基本思想、特点和存在的局限性进行了总结,对未来可能的发展方向进行展望。结果机器视觉表面缺陷检测系统中,图像处理和分析算法是重要内容,算法各有优缺点和其适应范围。如何提高算法的准确性、实时性和鲁棒性,一直是研究者们努力的方向。结论机器视觉是对人类视觉的模拟,机器视觉表面检测涉及众多学科和理论,如何使检测进一步向自动化和智能化方向发展,还需要更深入的研究。 | 汤勃 孔建益 伍世虔 | 2017 | 中国图象图形学报2017，22，12： | 249 |
| 2 | 基于灰度共生矩阵的彩色遥感图像纹理特征提取显示文摘纹理在图像检索和分类中起着非常重要的作用。目前已有的纹理特征提取算法大多只能提取灰度图像的纹理特征,用于彩色图像的纹理特征提取算法则很少。参照对灰度共生矩阵(gray level co-occurrence matrix,GLCM)的分析方法,实验和分析了方向、距离、灰度级和窗口大小等参数对彩色图像GLCM纹理特征的影响,实现了基于GLCM的彩色图像纹理特征提取方法(color GLCM,CGLCM);通过分析上述参数对角二阶矩、熵、对比度和相关性等4个纹理特征的影响规律,给出了合理的参数取值范围,优化了CGLCM方法。将CGLCM方法和GLCM方法进行对比的结果表明,用CGLCM方法计算的角二阶矩、熵、对比度和相关性等4个纹理特征的稳健性更好、鉴别能力更强。上述研究结果可为基于纹理信息的图像检索和分类提供参考。 | 侯群群 王飞 严丽 | 2013 | 国土资源遥感2013，25，4： | 59 |
| 3 | 农作物病虫害图像识别技术的研究综述显示文摘农作物病虫害的爆发往往意味着大规模的减产减质,造成不可挽回的经济损失。传统的病虫害识别方法速度慢、主观性强、误判率高,已不能满足农业生产的需要。基于图像处理技术的农作物病虫害识别具有快速、精确、实时等特点,能够协助农耕人员及时采取有效的防治措施。本文从图像分割、特征值提取和分类识别三个方面,分别阐述图像处理技术应用于农作物病虫害识别的研究现状和进展,并对今后的研究趋势和方向作了展望。 | 汪京京 张武 刘连忠 黄帅 | 2014 | 计算机工程与科学2014，36，7： | 57 |
| 4 | 基于灰度共生矩阵的纹理提取方法研究显示文摘随着遥感影像空间分辨率的提高,纹理特征在遥感影像中的作用越来越重要。对灰度共生矩阵的GLCM(灰度共生矩阵)同质性、GLCM对比度、GLCM相异性、GLCM角二阶距、GLCM相关性、GLCM熵、GLDV(归一化灰度)反差、GLDV均值、GLDV角二阶矩等九种纹理描述子进行研究,发现采用GLCM角二阶矩、GLDV角二阶矩这两种纹理描述子对高分辨率遥感影像的纹理提取具有较好效果。 | 任国贞 江涛 | 2014 | 计算机应用与软件2014，31，11： | 54 |
| 5 | 改进的Roberts图像边缘检测算法显示文摘针对复杂背景下图像边缘检测中存在抗噪性能不强、边缘不连续等问题,提出了改进的Roberts边缘检测算法。该算法采用3×3邻域代替Roberts算法中2×2邻域来计算梯度幅值;并利用图像块之间相似性的三维块匹配的去噪模型,提高Roberts算子的检测精度和抗噪性能;通过最佳阈值迭代方法代替人为指定阈值来获取最佳分割阈值,有效地提取图中目标轮廓。仿真实验结果表明,该算法PSNR达到33dB左右,比抗噪形态学边缘检测算法和一种改进的Roberts和灰色关联分析的边缘检测算法抗噪性能好,在抑制噪声干扰的同时,能保留边缘信息,较好提取目标的整体轮廓信息,为后续目标识别奠定基础。 | 王方超 张旻 宫丽美 | 2016 | 探测与控制学报2016，38，2： | 52 |
| 6 | 纹理分析在肿瘤影像学中的研究进展显示文摘随着医学图像设备的发展,医学图像处理技术对医学科研及临床实践的影响和作用日益增大,对人体内部病变部位的观察更直接、更清晰,对疾病的诊断更准确。图像纹理分析是近年来新出现的一种图像后处理技术,可对医学图像中像素的分布情况进行数学分析,获取一系列量化病灶异质性的相关参数,有助于判断疾病(特别是肿瘤)的特征、评估预后、预测和监测肿瘤治疗反应等,是肿瘤影像学研究的一种有用的附加工具。 | 陈瑾 王海屹 叶慧义 | 2017 | 中华放射学杂志2017，51，12： | 56 |
| 7 | 图像纹理分类方法研究进展和展望显示文摘纹理分类是计算机视觉和模式识别领域的一个重要的基本问题,也是图像分割、物体识别、场景理解等其他视觉任务的基础.本文从纹理分类问题的基本定义出发,首先,对纹理分类研究中存在的困难与挑战进行阐述;接下来,对纹理分类方面的典型数据库进行全面梳理和总结;然后,对近期的纹理特征提取方法的发展和现状进行归类总结,并对主流纹理特征提取方法进行了详细的阐述和评述;最后,对纹理分类发展方向进行思考和讨论. | 刘丽 赵凌君 郭承玉 王亮 汤俊 | 2018 | 自动化学报2018，44，4： | 52 |
| 8 | 基于Landsat 8 OLI影像纹理特征的面向对象土地利用/覆盖分类显示文摘针对如何提高中低分辨率遥感影像分类精度,该研究以河北省石家庄市Landsat 8 OLI遥感影像为研究对象,对灰度共生矩阵(gray-level co-occurrence matrix,GLCM)纹理与伽博(Gabor)滤波器下的Gist纹理特征进行对比,应用J-M(Jeffries-Matusita)距离可分离性分析GLCM最优纹理特征,并利用最佳指数法(optimum index factor,OIF)获取GLCM与Gist纹理特征的最佳特征组合;其次对面向对象分类的分割尺度进行研究,提出整体最优分割尺度计算方法;最后进行基于纹理特征的面向对象分类识别与精度评价,并与基于原始数据的面向对象分类结果进行对比。研究表明:Gist纹理特征使分类精度有了一定的提高,基于纹理数据的面向对象支持向量机(support vector machine,SVM)分类及面向对象K邻近法(K-nearest neighbor,KNN)分类的总体分类精度(overall accuracy,OA)分别比基于原始数据的2种方法分类精度提高3.67和3.33个百分点,基于纹理的面向对象SVM方法具有最高的精度,OA达到85.67%。不管是基于原始数据还是纹理数据,面向对象分类精度远高于最大似然分类(maximum likelihood classification,MLC)、马氏距离分类(mahalanobis distance classification,MDC)和SVM分类精度,且面向对象分类方法对纹理数据更为敏感。该文提出的基于纹理的面向对象分类方法有效提高了遥感影像分类精度,为区域土地利用/覆盖信息提取提供了有效的途径。 | 裴欢 孙天娇 王晓妍 | 2018 | 农业工程学报2018，34，2： | 46 |
| 9 | 基于Gabor小波的浮选泡沫图像纹理特征提取显示文摘矿物浮选泡沫表面纹理是浮选工艺指标高低的重要指示器,为了获取泡沫图像纹理的细微差别进而对浮选生产状态进行机器识别,提出一种基于Gabor滤波的泡沫图像纹理特征提取方法。首先利用Gabor小波提取了泡沫图像多尺度与多方向上的泡沫纹理幅度谱(GMTR)与相位谱(GPTR);然后根据GMTR与GPTR的分布特征,通过估计GMTR的Gamma分布参数和计算GPTR的熵作为泡沫纹理特征参量;最后,利用所提取的泡沫纹理特征对浮选工业生产状态进行无监督的模糊聚类分析与有监督的生产状态识别。实验结果表明,该纹理特征提取方法能有效地获取各种浮选状态下泡沫表面纹理的细微差别,基于该纹理特征参量的浮选状态识别准确率高于90%。 | 刘金平 桂卫华 牟学民 唐朝晖 李建奇 | 2010 | 仪器仪表学报2010，31，8： | 37 |
| 10 | 医学图像纹理分析的方法及应用显示文摘医学图像中的纹理特征变化反映了机体的病理改变,因此,图像纹理分析对于疾病的鉴别诊断具有重要意义。目前,由于医学图像及其纹理的复杂性,尚未有一种通用的、适合各类医学图像的纹理分析方法。医学图像纹理分析中有4种常用的纹理特征提取方法,其每种纹理特征提取方法均存在优点和缺点。对不同医学影像(CT、MRI、B超及数字X线片)上肝部及肺部疾病的图像纹理分析表明,基于肝脏病变CT图像的计算机辅助诊断系统提取的纹理特征对图像内容有较好的区分性;通过纹理分析可对早期肺癌进行检测。 | 朱碧云 陈卉 | 2013 | 中国医学装备2013，10，8： | 32 |
| 11 | 基于ALOS遥感数据纹理及纹理指数的柞树蓄积量估测显示文摘以北京市怀柔区柞树林为研究对象,通过计算ALOS卫星2.5 m分辨率融合影像在不同窗口下的纹理特征及衍生纹理指数,采用多元逐步回归模型建立柞树地面实测蓄积量与ALOS影像纹理特征及衍生纹理指数的相关关系,比较纹理特征及衍生纹理指数拟合柞树蓄积量模型的精度,筛选最优反演模型及最优纹理生成窗口。结果表明:同一纹理生成窗口下,基于衍生纹理指数的柞树蓄积量反演模型(R2adj=0.603、RMSE为19.899 4 m3/hm2)精度优于基于纹理特征的柞树蓄积量反演模型(R2adj=0.217、RMSE为27.943 8 m3/hm2);结合同一窗口的纹理特征及衍生纹理指数进行柞树蓄积量建模,精度可进一步提升(R2adj=0.747,RMSE为15.887 6 m3/hm2);基于所有窗口的纹理特征及衍生纹理指数建立多元逐步回归模型,可得到柞树蓄积量估测的最优模型(R2adj=0.807,RMSE为13.856 5 m3/hm2);11×11窗口为最优纹理生成窗口,其对应最优单窗口模型拟合优度为:R2adj=0.747,RMSE为15.887 6 m3/hm2。 | 刘俊 毕华兴 朱沛林 孙菁 朱金兆 陈涛 | 2014 | 农业机械学报2014，45，7： | 31 |
| 12 | 基于高光谱图像纹理特征的牛肉嫩度分布评价显示文摘传统牛肉品质的检测方法耗时长,效率低,破坏样品,已不能满足现代化生产的需要。为了实现对牛肉嫩度品质的快速无损检测和评价,该文利用高光谱成像系统,以西门塔尔牛多个胴体的背最长肌部位为研究对象,采集56个有效样本的高光谱立体图像,研究无损评价牛肉样品的嫩度分布。通过提取样本的反射光谱信息,并利用逐步回归算法结合遗传算法(GA,genetic algorithm)筛选出牛肉剪切力值(WBSF,warner-bratzler shear force)的特征波段。利用主成分分析(PCA,principle component analysis)提取样品的3个主成分。基于选出的特征波段图像和提取的主成分,通过计算图像灰度共生矩阵求取每幅图像8个主要纹理特征参数,分别建立了基于支持向量机(SVM,support vector machine)和线性判别(LDA,linear discriminant analysis)法的嫩度等级判别模型。经分析比较,基于主成分纹理特征优于基于特征波段图像建立的预测模型,并且,线性判别模型识别准确率相比支持向量机模型较高。基于主成分纹理特征建立的线性判别模型预测集判别精度为94.44%。研究结果证明,基于高光谱图像纹理特征分析,可以建立牛肉的嫩度判别模型,对牛肉嫩度快速无损检测技术研究提供理论参考。 | 赵娟 彭彦昆 | 2015 | 农业工程学报2015，31，7： | 30 |
| 13 | 基于高分一号影像的土地覆被分类方法初探显示文摘高分一号是我国发射的第一颗高分辨率卫星,其包含地物信息较为丰富,较多的应用于土地覆被分类中,但高分影像普遍存在基于像元分类精度稍低的问题,为了提高遥感影像的分类精度,基于高分一号影像,以新疆艾比湖湿地保护区为研究样区进行土地覆被分类研究。利用灰度共生矩阵方法提取图像的纹理信息,并将结果作为参数量输入到支持向量机(SVM)分类器中,将研究结果与传统的SVM分类及最大似然分类法作对比分析可得:辅以纹理特征的SVM分类方法可更好的区分地物信息,分类精度高达93.64%;传统的SVM分类精度为92.27%;最大似然分类为87.90%;因地制宜的开展辅以纹理特征的SVM分类方法是提高土地覆被监测精度的有效手段。 | 陈文倩 丁建丽 王娇 袁泽 李相 黄帅 | 2016 | 干旱区地理2016，39，1： | 29 |
| 14 | 基于高光谱图像和光谱信息融合的马铃薯多指标检测方法显示文摘针对随机放置的马铃薯缺陷多项指标难以同时检测的问题,提出了一种基于高光谱信息融合的流形学习降维算法与极限学习机(extreme learning machine,ELM)相结合的方法,该方法可同时识别马铃薯的多项缺陷指标。分别采集发芽、绿皮、黑心和合格马铃薯的反射高光谱数据(390~1 040 nm),在光谱维,提取马铃薯样本感兴趣区域(region of interest,ROI)的平均光谱,分别采用扩散映射(diffusion maps,DM)、局部线性嵌入(locally linear embedding,LLE)和海森局部线性嵌入(hessian locally linear embedding,HLLE)3种流形学习降维算法对光谱数据进行降维;在图像维,对马铃薯伪彩色图像进行形态学处理,获取基于灰度共生矩阵(gray level co-occurrence matrix,GLCM)的图像纹理信息,采用连续投影算法(successive projections algorithm,SPA)优选图像纹理特征;融合光谱维信息和图像维信息,分别建立基于极限学习机(ELM)与支持向量机(support vector machine,SVM)的马铃薯多分类识别模型。结果表明,扩散映射结合极限学习机(DM-ELM)模型的预测结果较优,该模型对发芽、绿皮、黑心和合格马铃薯样本的单一识别率分别为97.30%、93.55%、94.44%和100%,混合识别率达到96.58%,时间为0.11 s,可知高光谱信息融合技术结合流形学习降维算法可同时识别随机放置马铃薯的多种缺陷指标。 | 金瑞 李小昱 颜伊芸 徐梦玲 库静 徐森淼 胡雪雪 | 2015 | 农业工程学报2015，31，16： | 25 |
| 15 | 基于加权纹理特征的SAR图像目标识别算法显示文摘由于SAR图像与光学图像的显著差异,光学图像的目标识别算法并不能应用到SAR图像中,因此研究SAR图像的目标识别具有重要的意义。传统的基于模型的SAR图像目标识别算法中将所有的特征同等看待,然而不同特征对于目标分类的贡献度可能差别很大。给不同的特征赋予不同的权重,可能会改变目标在特征向量空间中的相对位置,从而给出更合理的识别结果。采用SAR图像的纹理特征作为分类特征,在支持向量机分类算法中加入使用ReliefF算法计算得到的特征权重。试验结果表明这种加权后的目标识别算法具有更高的目标识别率。 | 张国刚 徐向辉 | 2015 | 国外电子测量技术2015，34，9： | 25 |
| 16 | 基于计算机视觉的废物垃圾分析与识别研究显示文摘为改善高校实验室环境和卫生状况,提高废物垃圾分类处理效率,设计了一套基于计算机视觉的实验室场景下废物垃圾分析与识别的方案。该方案主要由图像采集、图像预处理、废物垃圾与实验室背景的分割、图像的纹理特征提取和图像识别组成。在图像处理过程中,运用Matlab图像处理函数库达到了预期效果,实验结果表明:该方案简单易行,分析效率和识别度高,目前已运用到实际项目中。 | 吴健 陈豪 方武 | 2016 | 信息技术与信息化2016，，10： | 26 |
| 17 | 增强CT纹理特征在鉴别肝脏局灶性结节性增生与肝细胞肝癌中的应用价值显示文摘目的通过分析和比较肝脏局灶性结节性增生(FNH)与肝细胞肝癌(HCC)的增强CT纹理特征,探讨纹理参数在鉴别FNH与HCC中的价值。方法回顾性分析22例FNH及28例HCC患者的资料。50例患者均行CT三期增强扫描,分别对病变动脉期、门脉期及延迟期的图像进行纹理分析,应用灰度直方图及灰度共生矩阵纹理分析方法测定灰度平均值(mean)、偏度(skewness)、峰度(kurtosis)、自相关(correlation)、能量(energy)、SD及熵值(entropy)7个纹理参数,对所得数据结果进行比较和分析。结果 FNH及HCC动脉期偏度、平均值、SD、能量及自相关间,门脉期偏度、平均值、峰度及自相关间,延迟期平均值及自相关间比较,差异均有统计学意义(P﹤0.05)。ROC曲线分析,增强CT三期纹理参数均以灰度平均值诊断效能最佳,对应的AUC值分别为0.849、0.888、0.886。动脉期与延迟期的平均值参数比较,差异无统计学意义(P=0.495),门脉期与动脉期、延迟期比较,差异有统计学意义(P=0.000、0.000)。以动脉期图像灰度平均值79.84为阈值,诊断的敏感度为81.8%,特异度为75.0%;以门脉期平均值101.90为阈值,诊断的敏感度为86.4%,特异度为82.1%;以延迟期81.78为阈值,诊断的敏感度为90.9%,特异度为82.1%。结论 CT纹理参数对鉴别HCC与FNH有一定帮助,其中以灰度平均值参数价值最高。 | 王慧慧 赵心明 郭炜 邢古生 杨蕾 朱正 梁萌 | 2017 | 癌症进展2017，15，5： | 26 |
| 18 | 基于改进LBP算子的纹理图像分类方法显示文摘为解决局部二值模式(LBP)在纹理图像识别中识别率低且算法不稳定的问题,提出一种基于改进LBP算子的纹理图像识别方法。将纹理图像均匀分块,获得LBP分布直方图,根据得到的训练模型决定测试样本的特征留取,利用多个尺度分块下的加权特征向量距离进行图像的分类。该算法在NSF纹理数据库上取得了较好的分类效果,实验结果表明,相对于原始的基于LBP的纹理图像识别方法,该算法消减了对训练样本的依赖,具有更高的纹理图片识别率及稳定性。 | 李春利 沈鲁娟 | 2016 | 计算机工程与设计2016，37，1： | 24 |
| 19 | 基于多特征融合和深度信念网络的植物叶片识别显示文摘基于叶片数字图像的植物识别是自动植物分类研究的热点。但是随着植物种类的增加,传统的分类方法由于提取的特征比较单一或者分类器结构过于简单,导致叶片识别率较低。为此,本文提出使用纹理特征结合形状特征进行识别,并且使用深度信念网络构架作为分类器。纹理特征通过局部二值模式、Gabor滤波和灰度共生矩阵方法得到。而形状特征向量由Hu氏不变量和傅里叶描述子组成。为了避免过拟合现象,使用'dropout'方法训练深度信念网络。这种基于多特征融合的深度信念网络的植物识别方法,在Flavia数据库中,对32种叶片的识别率为99.37%;在ICL数据库中,对220种叶片的识别率为93.939%。这表明相比一般的叶片识别方法,此方法鲁棒性更强,并且识别率更高。 | 刘念 阚江明 | 2016 | 北京林业大学学报2016，38，3： | 24 |
| 20 | 基于图像多小波变换的煤岩界面识别显示文摘针对现有煤岩界面识别方法存在普适性差、可靠性差等问题,提出了一种基于图像多小波变换的煤岩界面识别方法。对煤岩图像进行多小波变换,提取不同频带多小波系数在固定窗口大小下的标准差作为纹理测度并生成归一化多频带特征向量,利用朴素贝叶斯分类器对纹理特征进行识别。实验结果表明,对于分辨率为128×128的图像,当窗口大小为9,选择频带F5—F16构造特征向量时,识别率可达96.14%。 | 郝清玉 朱元忠 陈健 | 2015 | 工矿自动化2015，41，2： | 22 |
您所在的机构暂未开通此部分的功能，请联系管理员