导读:本文包含了纹理分类论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:纹理,特征,灰度,向量,矩阵,声谱,几何。
纹理分类论文文献综述
陈静,张艳新,姜媛媛[1]（2019）在《融合多特征与随机森林的纹理图像分类方法》一文中研究指出针对单一纹理特征与单一分类器对失真纹理图像分类识别率差的问题,提出了一种融合多特征与随机森林的纹理图像分类方法。利用改进的方向梯度直方图(HOG)特征提取方法以及局部二值模式(LBP)图像的灰度共生矩阵进行特征提取;将提取的特征矩阵级联组成一个新的特征矩阵,利用主成分分析法进行降维融合处理;降维融合后的特征矩阵输入随机森林,通过融合投票得到最终的识别率。在KTH-TIPS失真纹理图像库上进行对比实验,结果表明:采用融合多特征与随机森林的分类方法提高了失真纹理图像的分类正确率,且具有更好的实时性。(本文来源于《传感器与微系统》期刊2019年12期）
马长辉,黄登山[2]（2019）在《纹理与几何特征信息在高空间分辨率遥感影像分类中的应用》一文中研究指出为充分利用高空间分辨率遥感影像所包含的纹理与几何特征信息,提高影像的分类精度,应用面向对象技术和Log-Gabor小波来提取影像纹理和几何特征信息,并结合影像光谱信息对影像进行分类。选用的分类器为粒群优化算法优化参数的支持向量机分类器,使用资源叁号和高分二号两种不同传感器的卫星影像对方法进行验证,影像数据地物类型包含林地、草地、裸地、沙地、建筑物和道路等典型实体对象。通过对实验结果的目视比较和统计分析结果表明,所提方法分类结果精度较传统方法有所提高。(本文来源于《测绘地理信息》期刊2019年06期）
寇旗旗,程德强,于文洁,李化玉[3]（2019）在《融合CLBP和局部几何特征的纹理目标分类》一文中研究指出针对基于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。(本文来源于《光电工程》期刊2019年11期）
白芃远,许华,孙莉[4]（2019）在《基于卷积神经网络与时频图纹理信息的信号调制方式分类方法》一文中研究指出通信信号的调制方式识别是通信侦察、频谱监测的重要工作内容之一,提出一种利用深度学习提取信号时频图纹理信息的分类方法。该方法利用不同调制方式在时频图细节上的微弱差别,并使用卷积神经网络提取图像纹理特征,最终输入SOFTMAX分类器进行分类。结果表明,该方法在大样本条件下,可取得良好的分类效果。与传统基于特征参数的支持向量机分类方法或前馈神经网络方法相比,其提取特征更优、分类效果更好,同时减少了人工设计特征参数的工作量和不确定性。(本文来源于《西北工业大学学报》期刊2019年04期）
孙慧婷,方晓,徐辉[5]（2019）在《基于图像形状特征和纹理的中药材牡丹皮规格分类研究》一文中研究指出首先研究傅里叶图像形状特征提取算法和灰度共生矩阵纹理特征提取算法;其次使用傅里叶图像形状特征提取算法对中药材牡丹皮图像的形状特征进行提取,并且用灰度共生矩阵纹理特征提取算法提取中药材牡丹皮图像纹理数据;最后运用DBT-SVM算法对两种融合数据进行分类,并分析权重、训练集和测试集占比对分类准确率的影响。实验结果优于传统的SVM算法。(本文来源于《黑龙江工程学院学报》期刊2019年04期）
黄鹏艳,范永良[6]（2019）在《一种结合纹理特征的极化SAR图像分类方法》一文中研究指出为充分提取极化SAR图像中的信息来提高极化SAR图像分类精度,首先通过极化目标分解得到多个参数组成极化分解特征向量,然后提取纹理特征值得到纹理特征向量,最后将纹理特征向量与极化特征向量组合成新的特征向量,利用支持向量机SVM方法进行分类。对Radar Sat-2的Pol SAR数据进行分类实验,并对分类结果进行定性和定量比较分析。实验结果表明纹理特征与极化特征结合用于极化SAR图像分类可以提高分类精度。(本文来源于《山西建筑》期刊2019年14期）
邱甲军,吴跃,惠孛,刘彦伯[7]（2019）在《肝细胞癌MR图像的纹理分类研究》一文中研究指出结合小波多分辨率分析方法与统计分析方法提出了一种复合纹理分类模型,评估其基于核磁共振(MR)图像辅助诊断肝细胞癌(HCC)与正常肝脏组织的价值。首先,训练样本按类别分成两组,在每组中执行小波系数统计;其次,对新样本的小波系数基于两组统计结果执行两次离散化,以直方图、共生矩阵、游程长度矩阵等方法提取到两组特征;最后,基于两组特征执行两次分类以计算新样本的类别属性概率并决策。实验结果显示,该模型获得了比传统方法更好的分类性能,表明采用该模型对基于MR图像进行HCC与正常肝脏组织的计算机辅助诊断是有益的。(本文来源于《电子科技大学学报》期刊2019年04期）
杜晓冬,滕光辉,TOMAS,Norton,王朝元,刘慕霖[8]（2019）在《基于声谱图纹理特征的蛋鸡发声分类识别》一文中研究指出为有效地辨别蛋鸡不同类型声音,了解蛋鸡的健康状况以及个体需求,提高生产效率的同时改善蛋鸡福利化养殖,提出一种基于声谱图纹理特征的蛋鸡发声分类识别方法。以海兰褐蛋鸡的声音为研究对象,将图像处理和声音处理技术相结合,由一维声音信号转换为二维图像信号,二维声谱图中的纹理特征呈现了蛋鸡声音的更多细节信息。最后,利用2D-Gabor滤波器提取蛋鸡发声声谱图中的声纹信息,并采用人工神经网络模型进行训练和分类识别。试验结果表明,本文方法平均灵敏度和平均精确度不低于92. 0%,风机噪声识别灵敏度达99. 3%,鸣叫声识别灵敏度最低,为76. 0%。(本文来源于《农业机械学报》期刊2019年09期）
宋瑞超,赵国忱,卜丽静[9]（2019）在《基于多极化特征和纹理特征的PolSAR图像分类》一文中研究指出提出了一种基于多极化与纹理特征的PolSAR图像分类方法。首先在经过图像预处理后,从散射矩阵得到的相干矩阵T和协方差矩阵C中提取出极化参数,组成极化特征向量;然后基于经典的灰度共生矩阵法提取出图像几种纹理参数,组成纹理特征向量;再将这两种向量进行选择与融合;最后利用SVM分类器进行了结合极化与纹理特征的分类实验。为了检验该分类方法的效果,进行只加入极化特征和只加入纹理特征的分类实验,并进行Wishart监督分类。对上述四种分类结果进行对比与精度分析的结果表明,极化特征与纹理特征的结合能够有效提高分类精度。(本文来源于《城市勘测》期刊2019年03期）
王娟,赵杰[10]（2019）在《期望散射与平均散射的性质及其在纹理分类中的应用（英文）》一文中研究指出In order to further improve the effectiveness of image processing, it is necessary that an efficient invariant representation is stable to deformation applied to images. This motivates the study of image representations defining an Euclidean metric stable to these deformation. This paper mainly focuses on two aspects. On the one hand, in this paper,two properties of expected scattering and averaged scattering, i.e., Lipschitz continuity and translation invariance, are proved in detail. These properties support that excepted scattering and averaged scattering are invariant, stable and informative representations. On the other hand, the issue of texture classification based on expected scattering and averaged scattering has been analyzed respectively in this study. Energy features, which are based on expected scattering and averaged scattering, are calculated and used for classification.Experimental results show that starting with the seventh feature, the two approaches can achieve good performance in texture image classification.(本文来源于《数学季刊(英文版)》期刊2019年02期）
纹理分类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为充分利用高空间分辨率遥感影像所包含的纹理与几何特征信息,提高影像的分类精度,应用面向对象技术和Log-Gabor小波来提取影像纹理和几何特征信息,并结合影像光谱信息对影像进行分类。选用的分类器为粒群优化算法优化参数的支持向量机分类器,使用资源叁号和高分二号两种不同传感器的卫星影像对方法进行验证,影像数据地物类型包含林地、草地、裸地、沙地、建筑物和道路等典型实体对象。通过对实验结果的目视比较和统计分析结果表明,所提方法分类结果精度较传统方法有所提高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
纹理分类论文参考文献
[1].陈静,张艳新,姜媛媛.融合多特征与随机森林的纹理图像分类方法[J].传感器与微系统.2019
[2].马长辉,黄登山.纹理与几何特征信息在高空间分辨率遥感影像分类中的应用[J].测绘地理信息.2019
[3].寇旗旗,程德强,于文洁,李化玉.融合CLBP和局部几何特征的纹理目标分类[J].光电工程.2019
[4].白芃远,许华,孙莉.基于卷积神经网络与时频图纹理信息的信号调制方式分类方法[J].西北工业大学学报.2019
[5].孙慧婷,方晓,徐辉.基于图像形状特征和纹理的中药材牡丹皮规格分类研究[J].黑龙江工程学院学报.2019
[6].黄鹏艳,范永良.一种结合纹理特征的极化SAR图像分类方法[J].山西建筑.2019
[7].邱甲军,吴跃,惠孛,刘彦伯.肝细胞癌MR图像的纹理分类研究[J].电子科技大学学报.2019
[8].杜晓冬,滕光辉,TOMAS,Norton,王朝元,刘慕霖.基于声谱图纹理特征的蛋鸡发声分类识别[J].农业机械学报.2019
[9].宋瑞超,赵国忱,卜丽静.基于多极化特征和纹理特征的PolSAR图像分类[J].城市勘测.2019
[10].王娟,赵杰.期望散射与平均散射的性质及其在纹理分类中的应用（英文）[J].数学季刊(英文版).2019
论文知识图
