为了对本章提出的树皮纹理特征提取和识别系统的性能进行评估，本节在New-BarkTex纹理库上开展实验，并与其他一些相关方法的实验结果进行比较。由于对New-BarkTex纹理库中训练样本集和测试样本集的划分是固定的，不存在随机划分的问题，只需进行一次实验即可获得稳定的实验结果。因此，最后将本书第6章提出的基于深度CNN和迁移学习的方法应用于树皮纹理图像的特征提取和识别，检验一下深度CNN方法在树皮分类任务中的应用效果。...
2023-06-29 理论教育
纹理图像的特征提取和识别
- 详细阅读
-
简介Gabor滤波方法详细阅读
同时，Gabor滤波方法具有时域和频域的联合最佳分辨率，能达到时频测不准的下界[83]，因此能很好地实现多分辨率的时频分析。图3-1Gabor小波的尺度和方向选择特性由于Gabor小波具有良好的视觉仿生学性质，能够捕获纹理图像中多个尺度和方向的纹理特征，Gabor小波在纹理图像的特征提取和识别领域具有独特的优势，受Gabor小波良好性质的启发，研究人员提出了一系列基于Gabor滤波的纹理图像特征提取和识别方法。...
2023-06-29 理论教育
-
最佳纹理基元字典规模分析详细阅读
纹理基元字典的规模是指纹理基元字典中含有纹理基元的个数，纹理基元字典规模的大小在字典学习算法中具有重要的影响，主要体现在以下两个方面。所以，纹理基元字典的规模过大会使纹理基元字典的学习过程和纹理基元编码过程非常耗时，导致算法的实时性降低。因此，必须为本章方法确定一个最佳的纹理基元字典规模，以便充分有效地提取原始纹理图像中所包含的特征信息，同时能获得良好的纹理图像识别精度和实时性。...
2023-06-29 理论教育
-
传统CLBP算法概述详细阅读
从图4-2可以看出，利用CLBP算法从原始纹理图像中提取的三个分量图像，即符号分量图像CLBPS、幅值分量图像CLBPM和中心像素灰度等级分量图像CLBPC都含有重要的纹理特征信息，联合使用这三个分量图像所含有的特征信息将有助于进一步提高纹理图像的识别精度，这也是CLBP算法的纹理识别性能显著优于传统LBP算法的主要原因。图4-2利用CLBP算法提取纹理图像特征的结果...
2023-06-29 理论教育
-
实时性分析：如何确保系统高效运行详细阅读
在实际的工程应用中，纹理图像特征提取和识别方法的实时性是一个重要的因素，尤其在那些对实时性要求较高的应用场景。因此，为了评估本章所提出方法的实时性，本节在KTH-TIPS纹理库和CUReT纹理库上进行实验，计算一个样本图像的平均时间消耗，将其作为算法实时性的度量。表4-4本章提出的改进CLBP方法与其他算法的时间消耗对比从表4-4可以看出，本章提出的方法具有较好的实时性，是一种高效的纹理特征提取和识别方法。...
2023-06-29 理论教育
-
实现单调性光照强度变化的稳健性详细阅读
在不同的场景中获取的纹理图像可能是在不同的光照强度下拍摄的，为了使本章所设计的纹理图像特征提取和识别算法具有对光照强度变化的稳健性，采取图像灰度值归一化的方法和CLBP算法本身所具有的对单调光照变化的稳健性，具体如下所述。根据上述分析可以看出，CLBP算法的三个分量均对单调的光照变化具有稳健性，从而使CLBP算法也获得了对单调性光照变化的稳健性。综上所述，利用本节提出的方法可实现对单调性光照变化的稳健性。...
2023-06-29 理论教育
-
训练样本个数对模型的稳健性分析详细阅读
表5-3采用不同训练样本个数时的纹理识别精度（%）从表5-3的实验结果对比可以看出：本章提出的方法对训练样本个数的变化具有更好的稳健性。本章方法能够获得对训练样本个数的良好稳健性，主要原因如下：本章方法提取的粗略颜色信息和灰度纹理特征具有很强的描述能力，将二者进行特征融合又能进一步提升综合特征的鉴别能力。...
2023-06-29 理论教育
-
CNN的基本原理详解详细阅读
2015年，CNN模型在ImageNet数据集上的性能第一次超过了人类[126]。图6-1LeNet-5模型的结构...
2023-06-29 理论教育
-
纹理识别的精度分析详细阅读
纹理识别精度通常是纹理图像识别算法中最重要的性能指标。表2-2不同纹理基元学习方法的识别精度（%）从表2-2可以看出，本章提出的方法在KTH-TIPS纹理库上获得了99.12%的识别精度，在CUReT纹理库上获得了98.86%的识别精度。与最近先进的TEISF算法相比，本章方法在KTH-TIPS纹理库上取得了最高的识别精度99.12%，而TEISF算法在CUReT纹理库上取得了最高的识别精度99.54%，这两种算法的识别性能比较接近。...
2023-06-29 理论教育
-
纹理数据库与实验设计分析详细阅读
关于CUReT纹理库特征的详细描述可见本书2.4.1节的介绍。Outex纹理图像数据库是由芬兰奥鲁大学的机器视觉和媒体处理中心拍摄的，在Outex纹理图像数据库中，最常用的是Outex TC-10和Outex TC-12这两个纹理库子集。图4-9UIUC纹理库的25个纹理类别图4-10UIUC纹理库的视角、尺度变化和非刚性变形UMD纹理图像数据库也由25个纹理类别组成，包括货架上的商品、树叶、苹果、树皮、地板、鹅卵石路等，每类纹理有40个样本图像。...
2023-06-29 理论教育
-
颜色信息的分析与贡献探究详细阅读
表5-2不同特征分量对应的纹理识别精度（%）从表5-2的实验结果对比可以看出：本章提出的将粗略颜色信息和灰度纹理特征进行融合的方法在KTH-TIPS和CUReT彩色纹理库上都取得了最高的纹理识别精度，分别为99.98%和99.70%，一致超过了单独的灰度纹理特征、单独的颜色信息对应的纹理识别精度。...
2023-06-29 理论教育
-
实时性分析技巧与方法详细阅读
为了评估本章方法的实时性，本节在KTH-TIPS和CUReT这两个标准的彩色纹理库上进行实验，将一个样本图像的平均时间消耗作为算法实时性的度量。表5-4不同算法的时间消耗对比从表5-4可以看出，本章提出的方法保持了较好的实时性。以上措施都有效降低了本章方法的计算量和特征维数，使本章方法保持了较高的实时性。因此，本章提出的方法可满足很多实际工程应用场景对实时性的需求。...
2023-06-29 理论教育
-
迁移学习模型的训练和验证方法详细阅读
设计本章的迁移学习模型。将特征提取模块和分类器模块级联，即为本章设计的迁移学习模型。设置模型训练的超参数值。在初步训练分类器模块时，设置学习率为0.001，初步训练的轮数设为两轮。对整个模型进行微调训练。...
2023-06-29 理论教育
-
图像检索实验和结果分析详细阅读
考虑到Corel-10K图像数据库有100个样本类别，共有10 000个样本图像，所以图7-8和图7-9的检索结果展示了本节设计的基于粗略颜色信息和灰度纹理特征相融合的图像检索系统具有良好的检索性能。接下来，给出本节设计的图像检索系统的综合性能评价指标，即查准率和查全率。本节提出的图像检索系统在Corel-10K数据库和Corel-5K数据库上的平均查准率和平均查全率分别如表7-4和表7-5所示。最后，对本节提出的图像检索系统的实时性进行分析。...
2023-06-29 理论教育
-
纸币图像的倾斜校正方法详细阅读
利用相机获取的纸币图像通常都会有一定程度的倾斜，在进行特征提取和鉴别之前，需要对拍摄的纸币图像进行倾斜校正。因此，本节采用一种更加快速和直接的倾斜校正方法，该方法利用PCA算法直接计算纸币图像的倾斜角度，然后通过一次旋转即可实现纸币图像的倾斜校正。将采集的纸币图像逆时针旋转θ角度，即可获得倾斜校正后的图像。...
2023-06-29 理论教育
-
探究迁移学习的可行性分析详细阅读
图6-7利用迁移学习方法解决小样本问题一般情况下，在源领域具有充足的训练样本，在预先训练CNN模型时也具有先进的硬件平台，并且已经消耗了大量的时间和计算资源，这使预训练的CNN模型已经具备了丰富的先验知识和良好的识别能力。...
2023-06-29 理论教育