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。     

遗传算法与单纯形法组合的影像纹理分类方法

提出遗传算法(简称GA)与单纯形法组合的影像纹理分类方法(简称GASPX)。单纯形法是一种局部搜索方法，它通过反射，扩张，收缩操作，求得新的单纯形点，组成新单纯形，新单纯形比前一个单纯形更接近局部最优解。这种寻优方法收敛速度快，它与GA组合起来可以改善单独使用GA收敛速度慢的缺陷。由于在组合算法中是多个单纯形的局部区域的并行搜索，避免GA优化过程中过早收敛于局部最优解的现象出现。通过5种不同类别航空影像纹理识别的试验，并与GA的结果作对比，结果表明GASPX法优于GA法。     

基于蚁群行为仿真的影像分割

提出以像元的灰度值、能量值和分形维作为信息素的蚁群行为仿真的图像分割原理和方法。由该方法对3幅航空影像进行图像分割试验,得到图像的粗分割。利用本文提出的精处理方法,得到图像分割的最终结果。采用标记点量测的方法,对分割图像作出质量评价,结果表明,该方法很有应用前景。     

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。     

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。     

模糊聚类分析用于基于分形的影像纹理分类

利用模糊数学中的模糊聚类分析方法，通过计算和比较不同影像纹理空隙数据的相似系数ｒｉｊ来达到分类的目的，试验表明，此方法是有效可行的。     

基于纹理特征的遥感影像监督分类

影像分类技术是遥感影像分析与解译的重要基础。纹理特征是影像的重要特征,本文主要实现基于纹理特征的遥感影像监督分类。首先对地物样本进行提取,通过样本训练统计各类地物纹理特征向量,建立纹理特征库;然后以各类地物的特征向量作为基准,采用最短距离分类器对影像进行分类;最后采用混淆矩阵对分类结果进行精度评定,并与ERDAS专业软件分类结果进行对比分析。实验证明,本分方法取得了与ERDAS软件相当的分类效果,从而验证本文方法的可靠性。     

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...     

基于Tree Augmented Naive Bayes Classifier的影像纹理分类

提出了一种松弛方法，允许类别节点下的相邻子节点之间存在相关关系（有向边），这种方法称为树增强型简单贝叶斯分类器（tree augmented naive Bayes classifier，TAN）。实验结果表明，TAN比简单贝叶斯分类器（naive Bayes classifier，NBC）可以获得更高的分类精度。     

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     

基于Naive Bayes Classifiers的航空影像纹理分类

在Naive Bayes Classifiers模型中,要求父节点下的子节点(特征变量)之间相对独立,然而在现实世界中,特征与特征之间是非独立的、相关的。提出一种预处理方法,实验结果表明,该方法明显地提高了分类精度     

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。     

纹理分类中遗传算法参数的选择

本文详细分析遗传算法（简称ＧＡ）中群体的大小、交叉率和变异率选择对纹理分类的影响,并对繁衍过程中如何拷贝（即复制）产生新群体的问题进行了研究。研究表明,应当用适应度最好的个体取代淘汰的个体,将使解的收敛速度大大提高。     

空间灰度相关在影像纹理分类中的应用及分析

介绍了空间灰度相关法的11个纹理特征。试验表明,仅3个是描述性强的纹理特征。通过用t检验法来分类纹理,发现该方法具有良好的\     

模糊聚类分析用于基于分形的影像纹理分类

利用模糊数学中的模糊聚类分析方法,通过计算和比较不同影像纹理空隙数据的相似系数r_ij来达到分类的目的。试验表明,此方法是有效可行的。     

基于免疫粒子群优化算法的影像纹理分类

粒子群优化算法是基于群智能的随机全局优化方法,它源于对鸟群简化社会系统的模拟。为了提高标准粒子群优化算法的收敛性能,将生物免疫系统的记忆能力和多样性引入标准粒子群优化算法,提出一种免疫粒子群优化算法。在提取纹理样本Laws纹理能量模板特征、小波特征等纹理特征的基础上,提出针对分类问题的粒子表达方法和群体寻优策略,实现了基于免疫粒子群算法的纹理分类。实验结果表明,与标准粒子群优化算法相比,免疫粒子群优化算法在获取训练样本类别中心时具有较好的收敛性能,并且基于该算法的影像纹理分类具有较高的分类精度。