纹理模型法用于影像纹理分类

在分析分形维和马尔可夫随机场两种主要纹理模型法的基础上,提出了先用马尔可夫随机场方法进行纹理分类,再用分形维方法对那些具有相同马尔可夫随机场模型及参数值相近的纹理影像进行分类的方法。该方法不仅能提供出影像纹理的纹理基元,还能给出影像粗糙性、自相似程度,减少了纳伪误差。     

广义马尔可夫随机场及其在多光谱纹理影像分类中的应用

在二维马尔可夫随机场模型的基础上，提出顾及波段间的空间相关性，发展了一种适用于多光谱纹理影像分类的广义马尔可夫随机场模型。鉴于广义马尔可夫随机场模型的复杂性，利用最大伪似然法建立了求解模型参数的简化方程式，实现了纹理特征的快速提取。结合提取的纹理特征影像和光谱特征影像，采用概率松弛算法实现影像的分类。实验证明，提出的基于广义马尔可夫随机场的多光谱纹理影像分类算法克服了传统的基于光谱特征的分类算法的局限性，提高了纹理影像的分类精度。     

一种纹理特征融合分类算法

分别利用多通道Gabor滤波器和马尔可夫随机场模型对纹理图像进行分析，得到两组特征影像。将上述两组特征影像进行融合，最后利用融合后的数据实现图像的分类。实验证明，基于上述方法的纹理特征融合分类算法大大提高了图像的分类精度。     

航片影像纹理分类方法的探讨

本文通过对航片影像纹理分类几种常用方法的探讨，发现马尔可替随机场方法的优点在地能提供影像纹理基元，基于实现分类怀合成于一体；分形维方法的优点在于使得影像纹理的粗糙性，自相似程度定量化了；而共生矩阵方法由于可从１４个不同方面来给出影像纹理特征，因而具有经久不衰的生命力。但任何一种方法都无法既满足分类准确性高，又满足提供出影像纹理基元、粗糙性等众多特征的要求，因而有必要将多种影像纹理分类方法加以组合利     

一种基于马尔可夫随机场的影像纹理分类方法

针对纹理影像先估计出其马尔可夫随机场参数，后运用多元统计分析中模糊聚类分析的数学方法进行定量分类，从而为解决划分上的不确定性现象找出描述方法，获得客观的分类结果     

一种基于马尔可夫随机场的影像纹理分类方法

针对纹理影像先估计出其马尔可夫随机场参数，后运用多元统计分析中模糊了在分析的数学方法进行定量分类，从而为解决划分上的不确定性现象找出描述方法，获得客观的分类结果。     

基于高斯马尔可夫随机场混合模型的纹理图像分割

针对以高斯马尔可夫随机场中的邻域像素互作用参数为特征、以高斯混合模型为分类器的二步纹理图像分割方法,提出一个两者相互结合的一步模型———高斯马尔可夫随机场混合模型,并给出其EM算法的迭代计算公式。利用该模型进行纹理图像的分割实验,发现该算法在纹理图像分割的精度上比前者有较大程度的提高。     

基于遗传算法的影像纹理分类

阐述了遗传算法的基本原理,提出与马尔柯夫随机场相结合的遗传算法在影像纹理分类中的应用。通过对４种纹理取样的实验,表明这种影像纹理分类方法可以提高分类的正确率。     

结合高斯马尔可夫随机场纹理模型与支撑向量机在高分辨率遥感图像上提取道路网

在高分辨率遥感图像上,道路网的同物异谱现象更为突出,因此其提取难度更大。提出了一种马尔可夫随机场纹理模型与支撑向量机分类相结合的道路网提取方法。其基本过程是:利用高斯马尔科夫随机场模型6个归一化特征值进行支撑向量机的分类得到道路斑块,利用形态学算子对其进行初步连接并提取轴线,然后通过斑块轴线的启发式连接得到最终道路网。试验证明方法是有效的。     

MRF用于影像纹理分类中有关问题的探讨

本文针对马尔可夫随机场（ＭＲＦ）方法用于影像纹理分类中几个有关总是进行了探讨。包括（１）ＭＲＦ模型中是否应包含窗口中心点本身;（２）噪声对ＭＲＦ方法的影响。试验表明;（１）包含中心点的ＭＲＦ模型不但不满足贝叶斯决策理论,且无法正确估计出其模型参数;（２）ＭＲＦ方法具有一定的抗噪声能力。     

结合双树复小波纹理特征和MRF模型的遥感图像分割

针对经典的小波纹理不能准确地表达影像纹理特征的问题，以及影像分割结果缺少对像元空间相关性和分布关系的考虑。本文提出了结合双树复小波（DT-CWT）纹理和马尔可夫随机场（MRF）模型的高分辨率遥感影像分割方法。首先，通过双树复小波变换提取影像纹理特征，联合光谱特征形成表达影像信息的混合特征向量；然后，将混合特征向量高斯归一化处理，并用K-means聚类的方法对特征空间中的混合特征向量聚类得到初始分割图；最后，借助马尔可夫随机场模型在初始分割结果中引入上下文信息，基于贝叶斯最大后验概率准则得到最终的分割结果。本文通过双树复小波纹理提高了特征表达的准确度，同时使用马尔可夫随机场模型减弱了分割结果中同质区域的“椒盐噪声”，从而进一步提高了高分辨率遥感影像分割的精度。     

马尔柯夫场在影像纹理模拟中的应用

本文介绍了马尔柯夫随机场（简称ＭＲＦ）模拟影像纹理的原理和算法，用本文提出的算法，作了模拟分形纹理的许多实验：模拟纹理的自相似性试验；ＭＲＦ模型参数对影像纹理的控制作用等试验。试验结果表明算法正确，ＭＲＦ是模拟影像纹理的一个好模型。     

基于遗传算法的影像纹理分类

阐述了遗传算法的基本原理,提出了与马尔柯夫随机场相结合的遗传算法在影像纹理分类中的应用。通过对４种纹理取样的实验,表明这种影像纹理分类方法可以提高分类的正确率。     

基于纹理质地子特征的影像纹理分形分析

本文发展了一种基于纹理质地子特征的影像纹理分形和分析方法。这一方法认为纹理的质地子本身具有自相似性和尺度伸缩性，因而在不同尺度上对各质地子特征检出的基础上，从不同侧面计算出相应于各纹理质地子的分形特征，有效地处理纹理特征的接取和融合，克服目前仅基于整体分维计算存在的难以描述同分维不同分形等现象，实现对纹理的多分辨率分析。     

航空像片影像纹理分类研究

影像纹理反映着地物的空间分布状况,代表着物体表面的特征,是人类目视判读的重要标志之一。纹理信息对实现影像的自动解译、提高解译的可靠性都起着一定的作用。本文在对影像纹理分类的现状进行深入回顾的基础上,通过对共生矩阵法、时间序列分析方法、分形维方法、马尔...     

图像纹理基元分类的马尔柯夫随机场方法

提出基于马尔柯夫随机场（MRF）的图像纹理基元分类新方法。利用MRF里中心像元特征值与邻近像元特征值之间的约束关系,反映图像纹理基元的特征以及不同的MRF参数。根据由同一类别的图像求得的MRF参数计算出的标准差最小这一性质来进行图像纹理的分类。通过不同实验方案的对比,以及与不同分类方法的比较,证实提出的图像纹理基元分类方法具有一定的优势。     

影像纹理的多标度分形分析

引入目前在分形几何中发展起来的多标度分形理论，发展了影像纹理的多标度分形分析，能够描述纹理结构更多的分形特征，反映影像纹理的局部分维差别，抑制目前仅基于整体分维计算存在的不同分形同分维之弊端，实现影像纹理的多分辨率分析。尽管分维测度是纹理的一个非常重要的特征，但单纯的仅基于分维测度的分析，并不足以表征所有的纹理信息。     

基于分形纹理的遥感影像土地覆盖的分类方法研究

提出一种基于分形理论和改进模糊C均值聚类的遥感图像非监督分类方法,该方法尝试将图像的光谱信息和纹理特征相结合。将图像进行主分量变换,根据第一主分量计算图像的布朗运动的各方向的分形维数,差分盒维数和"空隙"等纹理特征作为分类依据。采用改进的模糊C均值聚类,并用混淆矩阵方法评定分类结果精度。通过对试验区的分类试验,说明该方法对改善土地覆盖分类精度行之有效。     

影像纹理的多标度分形分析

引入目前在分形几何中发展起来的多标度分形理论，发展了影像纹理的多标度分形分析，能够描述纹理结构更多的分形特征，反映影像纹理的局部分维差别，抑制目前仅基于整体分维计算存在的不同分形同分维之弊端，实现影像纹理的多分辨率分析。尽管分维测度是纹理的一个非常重要的特征，但单纯的仅基于分维测度的分析，并不足以表征所有的纹理信息。     

航空影像纹理分类的最小二乘法和问题的分析

本文介绍航空影像理分类的最小二乘法原理和算法，该方法是建立在影像纹理ＭＲＦ参数测定的基础上，七种航空影像纹理的试验表明这种分类是有效的。通过对影像纹理的分形维以及影像分辨力对纹理分类的影响分析，表明采用了多重信息可以提高分类的正确率。