所谓计算机数字图像处理,就是利用计算机或实时硬件对计算机数字图像进行系列操作,从而获得某种预期结果的技术。近十几年来,计算机数字图像处理技术的发展更为深入、广泛和迅速,这主要是因为各个领域对其提出了越来越高的要求以及相关学科的飞速发展。现在人们已充分认识到计算机数字图像处理技术是认识世界、改造世界的重要手段之一。......
2023-11-19
“模式”是一个抽象的概念,广义地说,模式是存在于时间和空间中可观察的事物,如果我们可以区别它们是否相同或是否相似,都可以称之为模式。但模式所指的不是事物本身,而是我们从事物获得的信息。通常,我们把通过对具体的个别事物进行观测所得到的具有时间和空间分布的信息称为模式,而把模式所属的类别或同一类中模式的总体称为模式类,简称为类。
人通过自己的感觉器官从外界获取信息,然后经过思维、分析、判断,建立对客观世界各种事物的认识,比如通过视觉获得物体的形状、大小、颜色等特征信息,反映在人脑海中构成一幅幅图像;通过听觉获取各种音响的信息;通过触觉感知温度、湿度、材料强度等;通过嗅觉闻到各种气味等。人们从各方面获得信息,然后进行综合思维,认识各种客体。所谓模式识别是根据研究对象的特征或属性,利用以计算机为中心的机器系统运用已知的分析算法判定它所属的类别,并且系统应使分类识别的结果尽可能地符合真实。模式识别技术的目标是模拟人的识别方法,但这一点是极不容易做到的,目前模式识别的一些理论方法仍停留在理论研究阶段。尽管如此,模式识别技术已经成功地应用于工业、农业、国防、科研、公安、生物医学、气象、天文学等许多领域,如我们熟知的信件分拣、指纹识别、生物医学的细胞或组织分析、遥感图片的机器判读、系统的故障诊断、具有视觉的机器人、武器制导寻的系统、汽车自动驾驶系统以及文字与语言的识别等,并且现在正扩展到其他许多领域。当今时代科技发展的重要趋势之一是智能化,模式识别是人工智能的一个分支。尽管现在机器识别的水平还远不如人脑,但随着模式识别理论以及其他相关学科的发展,可以预言,它的能力将会越来越强,应用也会越来越广泛。(www.chuimin.cn)
有关基于计算机数字图像处理技术木材表面纹理特征提取和分类识别方法的文章
所谓计算机数字图像处理,就是利用计算机或实时硬件对计算机数字图像进行系列操作,从而获得某种预期结果的技术。近十几年来,计算机数字图像处理技术的发展更为深入、广泛和迅速,这主要是因为各个领域对其提出了越来越高的要求以及相关学科的飞速发展。现在人们已充分认识到计算机数字图像处理技术是认识世界、改造世界的重要手段之一。......
2023-11-19
所以,迄今为止关于木材表面纹理表达与分析的研究,基本上仍停留在定性描述为主,局部定量为辅的阶段。日本的仲村匡司采用计算机图形处理模拟制作了各种木材径切面纹理模型图片,并调查分析了“自然感”心理量与其他心理量以及纹理图形数字化参数之间的关系。其结果表明,“自然感”与“木纹相象感”和“喜好感”相关程度很高,可认为加强自然感是提高木纹仿制品视觉特性的有效途径之一。......
2023-11-19
目前,纹理在许多领域有着广泛的应用,如遥感图像分析、医学图像分析、缺陷检测、基于生物特征的身份鉴定、文档分割、目标识别以及图像检索等方面。目前,纹理分析被应用在遥感图像分析的领域有遥感图像目标识别、遥感图像地形分类和卫星遥感图像云类识别等。Landeweerd 和Gelsema 利用纹理的一阶和二阶统计来检测白血球的各种形态和它们的畸变,用于检测病情。......
2023-11-19
针对常见特征选择方法的不直接性,我们将子集评价函数直接选为分类器的识别率,提出一种基于模拟退火算法与最近邻分类器识别率的特征选择方法。因此,我们最终选用最近邻分类器识别率作为评价准则。模拟退火算法中最常用的是2变换法和3 变换法,这两种方法有着各自独特的优越性,我们将这两种方法随机交替使用获得了较好的效果。......
2023-11-19
随着计算机技术的飞速发展,国内外学者将计算机数字图像处理技术引入木材学领域,为解决这一难题提供了新的思路。计算机数字图像处理主要包括以下几项内容:几何处理、算术处理、图像增强、图像复原、图像重建、图像编码、模式识别、图像理解等。......
2023-11-19
然而,到目前为止还没有相关木材表面纹理的国家标准或行业标准。此外,在基于纹理特征木材表面缺陷分割与识别的研究方面以及有关木材表面纹理加工等方面,也需要一套能有效描述木材表面纹理的参数。王克奇教授与白雪冰副教授从模式识别角度出发对木材表面纹理进行了研究,并验证了所建立参数体系的有效性,使木材表面纹理的自动化分类识别向可实现方向迈进了关......
2023-11-19
由于本书第2章至第4章已经提出了三种灰度纹理图像的特征提取方法,并且HSV颜色空间中的亮度分量V就是灰度纹理图像,可将本书第2章至第4章提出的灰度纹理图像特征提取方法直接应用于HSV颜色空间中的V分量,从而实现灰度纹理特征的提取。......
2023-06-29
基于这些特性,它们是高度显著而且相对容易撷取,在母数庞大的特征数据库中,很容易辨识物体而且鲜有误认。SIFT特征的信息量大,适合在海量数据库中快速准确匹配。SIFT算法的实质是在不同的尺度空间上查找关键点(特征点),并计算出关键点的方向。假设我们得到的2维数据如下:行代表样例,列代表特征,这里有10个样例,每个样例2个特征。这里特征值只有两个,我们选择其中最大的那个,是1.28402771,对应的特征向量是T。......
2023-06-28
相关推荐