纹理模型法用于影像纹理分类

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

纹理模型法用于影像纹理分类

黄桂兰, 郑肇葆

文章导航 > 武汉大学学报 ( 信息科学版) > 1998 > 23(1): 40-42

黄桂兰, 郑肇葆. 纹理模型法用于影像纹理分类[J]. 武汉大学学报 ( 信息科学版), 1998, 23(1): 40-42.

引用本文:

黄桂兰, 郑肇葆. 纹理模型法用于影像纹理分类[J]. 武汉大学学报 ( 信息科学版), 1998, 23(1): 40-42.

Huang Guilan, Zheng Zhaobao. Using Texture Model to Classify Image Texture[J]. Geomatics and Information Science of Wuhan University, 1998, 23(1): 40-42.

Citation:

Huang Guilan, Zheng Zhaobao. Using Texture Model to Classify Image Texture[J]. Geomatics and Information Science of Wuhan University, 1998, 23(1): 40-42.

纹理模型法用于影像纹理分类

武汉测绘科技大学地学测量工程学院, 武汉市珞喻路129号, 430079

基金项目: 国家自然科学基金

作者简介:
黄桂兰,女,32岁,博士,现从事数字摄影测量方面研究。

中图分类号: TP751;P231

Using Texture Model to Classify Image Texture

School of Geo-science and Surveying Engineering, WTUSM, 129 Luoyu Road, Wuhan, China, 430079

摘要: 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。
- 影像纹理分类 /
- 分形维 /
- 马尔可夫随机场 /
- 贝叶斯决策
Abstract: Based on the analyses of the character of fractal dimension method and Markov random field (MRF),an image texture classification method is presented.Firstly the MRF method is used,then the fractal dimension method.By this way,we not only can supply the information about texture unit,roughness and self similarity of image texture,but also can reduce the error of recepting false and increase the accuracy of image texture classification.
- image texture classification /
- fractal dimension /
- Markov random field /
- bayes decision

[1]	王昶, 张永生, 王旭. 基于变分法与Markov随机场模糊局部信息聚类法的SAR影像变化检测 . 武汉大学学报 ( 信息科学版), 2021, 46(6): 844-851. doi: 10.13203/j.whugis20190167
[2]	李玉, 胡海峰, 赵雪梅, 赵泉华. 基于可变形状参数Gamma分布的模糊聚类多视SAR图像分割 . 武汉大学学报 ( 信息科学版), 2018, 43(7): 984-992. doi: 10.13203/j.whugis20160149
[3]	庄会富, 邓喀中, 余美, 范洪冬. 结合KI准则和逆高斯模型的SAR影像非监督变化检测 . 武汉大学学报 ( 信息科学版), 2018, 43(2): 282-288. doi: 10.13203/j.whugis20160079
[4]	郑肇葆, 潘励, 郑宏. 图像纹理基元分类的马尔柯夫随机场方法 . 武汉大学学报 ( 信息科学版), 2017, 42(4): 463-467. doi: 10.13203/j.whugis20150615
[5]	眭海刚, 华凤, 范一大, 刘俊怡. 利用GIS与贝叶斯网络进行高分辨率SAR影像道路损毁信息提取 . 武汉大学学报 ( 信息科学版), 2016, 41(5): 578-583. doi: 10.13203/j.whugis20140323
[6]	程诗尧, 梅天灿, 刘国英. 顾及结构特征的多层次马尔科夫随机场模型在影像分类中的应用 . 武汉大学学报 ( 信息科学版), 2015, 40(9): 1180-1187. doi: 10.13203/j .whu g is20130692
[7]	陶建斌, 舒宁, 沈照庆. 利用互信息改进遥感影像朴素贝叶斯网络分类器 . 武汉大学学报 ( 信息科学版), 2010, 35(2): 228-232.
[8]	魏小莉, 沈未名. 一种基于马尔科夫随机场模型的彩色纹理图像分割 . 武汉大学学报 ( 信息科学版), 2010, 35(8): 955-958.
[9]	陈仁喜, 李鑫慧, 李盛阳. 基于MRF的各向异性图像修复模型 . 武汉大学学报 ( 信息科学版), 2010, 35(10): 1231-1235.
[10]	舒宁, 苏俊英. 高光谱影像纹理特征编码分形特征研究 . 武汉大学学报 ( 信息科学版), 2009, 34(4): 379-382.
[11]	郑肇葆. 产生最佳Tuned模板的蜜蜂交配算法 . 武汉大学学报 ( 信息科学版), 2009, 34(4): 387-390.
[12]	龚衍, 舒宁. 基于马尔柯夫随机场的多波段遥感影像纹理分割研究 . 武汉大学学报 ( 信息科学版), 2007, 32(3): 213-215.
[13]	谭喜成, 边馥苓. 用贝叶斯分类方法和本体实现空间信息语义互操作 . 武汉大学学报 ( 信息科学版), 2006, 31(8): 724-727.
[14]	郑肇葆, 潘励, 虞欣. 产生“Tuned”模板的Bayesian Networks方法 . 武汉大学学报 ( 信息科学版), 2006, 31(4): 304-307.
[15]	郑肇葆, 叶志伟. 基于蚁群行为仿真的影像纹理分类 . 武汉大学学报 ( 信息科学版), 2004, 29(8): 669-673.
[16]	郑肇葆. 基于MRF参数的纹理识别的线性规划法 . 武汉大学学报 ( 信息科学版), 1996, 21(3): 228-231.
[17]	黄桂兰, 郑肇葆. 一种基于马尔可夫随机场的影像纹理分类方法 . 武汉大学学报 ( 信息科学版), 1996, 21(3): 232-236,241.
[18]	黄桂兰, 郑肇葆. 模糊聚类分析用于基于分形的影像纹理分类 . 武汉大学学报 ( 信息科学版), 1995, 20(2): 112-117.
[19]	黄桂兰, 郑肇葆. 空间灰度相关在影像纹理分类中的应用及分析 . 武汉大学学报 ( 信息科学版), 1995, 20(4): 301-304.
[20]	王新洲. 贝叶斯序贯平差 . 武汉大学学报 ( 信息科学版), 1994, 19(4): 315-321.

WeChat

点击查看大图

计量

文章访问数: 549
HTML全文浏览量: 23
PDF下载量: 211
被引次数: 0

纹理模型法用于影像纹理分类

武汉测绘科技大学地学测量工程学院, 武汉市珞喻路129号, 430079

基金项目: 国家自然科学基金

作者简介:
黄桂兰,女,32岁,博士,现从事数字摄影测量方面研究。

收稿日期: 1997-03-05
刊出日期: 1998-01-05

中图分类号: TP751;P231

关键词:

影像纹理分类 /

马尔可夫随机场 /

贝叶斯决策

摘要: 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。

English Abstract

黄桂兰, 郑肇葆. 纹理模型法用于影像纹理分类[J]. 武汉大学学报 ( 信息科学版), 1998, 23(1): 40-42.

引用本文:

黄桂兰, 郑肇葆. 纹理模型法用于影像纹理分类[J]. 武汉大学学报 ( 信息科学版), 1998, 23(1): 40-42.

Huang Guilan, Zheng Zhaobao. Using Texture Model to Classify Image Texture[J]. Geomatics and Information Science of Wuhan University, 1998, 23(1): 40-42.

Citation:

Huang Guilan, Zheng Zhaobao. Using Texture Model to Classify Image Texture[J]. Geomatics and Information Science of Wuhan University, 1998, 23(1): 40-42.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

我要投稿

投稿攻略

联系我们

二维码