纹理源码搜索结果, 第90页, Verysource

论文研究-.基于纹理和边缘的SAR图像SVM分类.pdf 为实现SAR图像地物目标的有效分类，深入研究了基于灰度共生矩阵GLCM的四种纹理特征以及两个边缘特征。分析每个单独纹理或边缘特征在对SAR图像进行支持向量机SVM分类中对不同地物的分辨能力，选取不同的特征组合进行组合特征的SVM分类实验。对各种特征进行主成分分析PCA，并考察使用和不使用PCA两种情况下分类结果之间的差异。实验结果证明能量、边缘长度、对比度和相关度的特征组合在PCA作用下能够改善各类地物的分类精度，将总分类精度提高到90%以上。
论文研究-多通道多模式融合LBP特征的纹理相似度计算.pdf 针对现有纹理特征对彩色图像鉴别能力不强的问题，提出了一种改进LBP特征的纹理相似度计算方法。该方法提出了极值模式、求和模式和编码模式三种特征融合模式，对彩色图像的H、S和V三个通道上获取的LBP特征进行融合，得到彩色图像的纹理描述特征。融合操作在邻域像素点LBP计算、中心像素点LBP计算、直方图特征提取三个阶段进行，提高特征鉴别能力。在VisTex纹理数据库上进行纹理相似度计算实验，结果表明该方法的错误接受率、错误拒绝率和等错误率明显低于其他方法。
论文研究-结构纹理分离的对比度和细节增强.pdf 针对光照不足等因素造成获取的图像质量偏低的问题，提出一种基于结构层和纹理层分离的图像增强方法。首先将图像分为结构层和纹理层两部分，对结构层用累积分布函数构造参数自适应的Gamma校正算法，并用自适应Gamma校正算法对图像的结构层进行对比度和亮度增强，对纹理层采用提升高频分量的方法增强纹理细节，最后把增强后的结构层与纹理层结合得到增强后的图像。仿真对比实验表明，该方法能避免图像增强过程中纹理细节丢失的问题，亮度和对比度也得到了很好的提升，增强后的图像视觉效果好，具有一定的应用价值。
论文研究-基于区域纹理的运动目标检测方法.pdf 针对混合高斯和多模态均值模型在阴影、噪声、扰动、计算量和存储空间等方面的优缺点，提出一种基于区域纹理的目标检测方法。该方法分析场景纹理分布，制定区域复杂度分类准则，对复杂区域采用混合高斯，对简单区域采用基于运动历史的多模态均值进行目标检测。实验表明，该方法能在多模态环境中克服噪声与扰动，实时转换前/背景，优化速度和存储量，准确检测出目标。
论文研究-纹理谱描述子及其在车牌定位中的应用.pdf 提出了一种新的基于纹理模式的车牌定位方法。该方法能较准确地搜索车牌区域，并分割出车牌。
论文研究-稀疏纹理的特征提取和分类研究.pdf 提出了对稀疏纹理表面特征的新描述方法，并进行了纹理分类的研究。以往对纹理的研究大多是对2D纹理的研究，一般是通过大量的训练样本来完成纹理特征的提取。通过RANSAC估计两幅纹理的单应约束,提取两幅纹理的对应点,不仅可以提取一般纹理的特征，而且可以提取包含立体信息的纹理特征（如因为光照和视点的变化引起立体纹理的阴影变化等），通过对应点的提取使得不再需要大量的训练样本来进行纹理的特征提取。实验表明该算法可以较准确和快速地进行纹理特征提取和分类,使得纹理分类工作变得有较强的可行性和实用性。
论文研究-一种基于纹理和颜色置信融合的运动目标检测方法.pdf 针对运动目标检测中单特征背景模型存在的局限性，如基于颜色特征的背景模型对光照和阴影敏感、基于纹理特征的背景模型易产生空洞，提出了一种以置信度融合RGB颜色特征和SILTP（scale invariant local ternary pattern）纹理特征的运动目标检测方法。以像素点SILTP纹理信息值和RGB颜色信息值及它们各自的置信度构建背景模型。分别计算当前像素点与背景模型的纹理差异度和颜色差异度，通过置信度融合的方法计算当前像素与背景模型的总体差异度，以达到更 ...
论文研究-位移纹理形状创新应用.pdf 三维模型的形状合成是计算机图形学和辅助设计的重要研究课题。借鉴三维模型的位移映射，提出一种形状创新方法，能够生成新颖的三维造型。包括四个部分：首先从特征形状源模型提取三维图案作为位移纹理的生成元素；其次根据宿主网格模型定义三维构图知识，包括构图坐标系类型和其他纹理映射参数；第三是宿主模型进行自适应剖分；最后根据三维图案和映射参数生成位移纹理并与宿主模型融合后生成新的三维造型。
论文研究-基于结构性信息的纹理合成方法.pdf 提出了一种基于结构性信息的判断纹理块匹配误差的新方法：颜色—结构差异算法。该方法同时考虑了纹理块之间颜色误差和结构误差对纹理块相似性的影响，弥补了单纯考虑颜色误差的不足，保证了图像间结构信息的连贯性，从而更好地保证了合成后的纹理在视觉上的连贯性。
论文研究-基于颜色和纹理特征的显著性检测算法.pdf 针对现有的基于图像底层特征的显著性检测算法检测准确度不高的问题，提出了一种基于颜色和纹理特征的显著性检测算法。在RGB和Lab颜色空间上，同时考虑了图像的颜色对比度特征、纹理特征。运用二维信息熵作为衡量显著图的性能标准，选取最优的颜色通道，并且针对颜色及纹理的不同特点，给出了各自的显著性特征融合方法。在公开的数据库中与四种流行的算法实验对比，实验结果证明了算法的有效性。

关键字：纹理