细胞图像颜色纹理分析方法研究

一、细胞图像的彩色纹理分析方法研究（论文文献综述）

徐嘉桢^[1]（2021）在《投影显示色彩校正方法研究》文中指出投影显示技术作为主流显示技术的一员,特别在大屏幕高质量的显示中具有显着地位,在我们的工作学习生活中遍布着它的身影,广泛的应用在电影院、教室、会议室、演讲台等相关大屏幕显示领域。同时,投影显示在未来虚拟显示、沉浸式投影显示的发展下具有无限广阔的潜力。但投影显示的幕布需求影响着其应用空间,特别是在移动科技日益发达的今日,因而研究投影显示摆脱白色幕布标配能够使其具有更加广阔的发展空间。为此,本文主要研究投影显示在对彩色纹理表面下色彩失真的校正问题,探讨了投影仪-相机坐标标定方案,对纹理投影表面研究其色彩特征化问题,完成了对纹理表面的投影色彩校正问题在不同环境下研究补偿方案。主要研究内容如下:首先针对投影仪-相机系统探讨并研究整体系统的标定与优化问题。对相机标定点的提取改进了棋盘格,并设计相应改进的Susan角点棋盘格角点检测算法、亚像素提取算法和角点排序算法,改善了提取角点的正确性、提高了其鲁棒性。采用张正友相机标定法完成相机-投影仪的初步标定并结合人工蜂群算法完成对标定参数优化,实验验证有效改良了联合系统的标定精度,降低了相机-投影坐标间的转换误差。其次针对投影表面色彩的特征化问题,研究了数字设备色彩特征化通用方法,考虑色彩空间扭曲提出了薄板样条插值的特征化方法和考虑通道耦合的多输出多输出支持向量回归特征化方法。并对上述方法在有无环境干扰光影响下对白色幕布及单彩色投影表面分别设计开展了色彩特征化实验。最后针对彩色纹理表面的投影色彩综合补偿校正问题,分析了投影显示色彩偏差失真的来源。针对投影表面光谱反射率不一致问题,提出结合聚类算法的估计反射率相似域和投影表面色彩特征化建立色彩基础补偿,并实验对比分析了Kmean和Optics聚类方法在估计反射率相似域及基础补偿的色彩误差和实际投影显示效果。对基础补偿产生了超色域剪切和亮度缺失问题提出全局与局部的亮度补偿算法,有效去除残影并提升显示亮度以提供更舒适视觉感受。对算法的单线程串行执行速度过慢问题,研究程序加速与并行化方法,有效提升了算法速度。

李君伟^[2]（2019）在《基于HSV的彩色纹理图像分类及目标追踪》文中提出近年来,彩色纹理图像的分类及目标追踪是计算机视觉领域的研究热点之一。目前彩色纹理图像的分类还存在对光照变化鲁棒性不强、抗噪声能力弱、特征维度过高等问题;抗遮挡能力不强是很多目标追踪方法存在的问题之一,其将导致追踪过程中发生漂移,针对以上问题,开展了本文的研究。针对目前一些纹理图像分类方法存在对光照变化鲁棒性不强、抗噪声能力弱、特征维度过高等问题,提出将颜色特征与纹理特征进行共生,对彩色纹理图像进行分类的方法。先将图像转化到HSV颜色空间后,对H通道使用SLIOP（Simplified Local Intensity Order Pattern）方法提取特征,对S通道和V通道用CLBP（Completed Local Binary Pattern）方法提取特征,然后将提取到的特征进行串联共生,最后利用支持向量机对纹理图像进行分类。利用现在被广泛使用的一些数据库,将该分类方法与其他几类具有代表性的分类方法进行实验对比,分类的准确率和效率上,都有一定提升。在KTH-TIPS2b和CUReT数据库上,提出的方法分类准确率分别达到99.4%、99.6%。实验结果表明,本算法具有较强的旋转不变性、光照不变性以及一定的抗噪性。针对时空上下文方法（Spatio-Temporal Context,STC）在追踪时,抗遮挡能力不强,容易发生漂移的缺点,通过对目标被遮挡的类型进行判断,然后对不同的遮挡类型采用不同的模型更新策略加之以分块的权重置信图,使得目标被遮挡时,遮挡物信息不被更新到目标模型中。利用改进后的方法,在Visual Tracker Benchmark视频库上进行验证,实验表明改进的方法在对目标进行追踪时,较之原始STC方法有较大提升,抗遮挡性有显着提升,同时对光照变化也具有鲁棒性,也能满足实时性要求。

乔新新^[3]（2019）在《基于颜色与纹理特征聚类的彩色图像分割研究》文中指出图像分割技术在目标追踪、医学检测、人脸识别、指纹识别、病虫害识别等方面有着重要的应用。但是,彩色图像因为包含复杂的颜色和纹理信息,其图像特征的提取和识别较为困难,这成为了当前彩色图像分割技术发展的一个瓶颈。在研究学者的努力下,彩色图像分割取得了一定的成果,但是目前还没有一种通用的适用于所有彩色图像的分割方法。针对这一现状,本文提出了一种基于颜色和纹理特征聚类的彩色图像分割方法,通过将位置相邻且颜色与纹理特征相似的像素点合并为超像素,并对超像素进行聚类完成彩色图像的分割,在MATLAB平台上进行仿真验证了算法的有效性。本文主要研究内容有:（1）对颜色空间和聚类方法进行深入研究。论述了彩色图像的RGB颜色空间、HSI颜色空间以及LAB颜色空间对颜色的描述方法,采用最符合人类视觉感知的LAB颜色空间来表征图像的颜色信息;研究了目前主流的彩色图像分割方法,包括传统分割方法、SVM、K-means、FCM以及均值漂移的分割方法,通过实验对比分析各类算法后,选择收敛速度较快的K-means算法作为本文创新性实验的聚类方法的理论依据。（2）提出一种结合颜色信息和纹理信息的分割彩色图像的算法。该算法首先采用在多尺度多方向上对纹理有较好响应的Gabor滤波器来提取纹理特征,并利用主成分分析法（PCA）对其进行降维。其次将图像划分为大小平均的网格（通过实验分析网格个数取500个）,选取网格中纹理能量梯度极小值点作为初始种子点,将LAB颜色空间与像素点坐标组成五维向量,计算初始种子点与网格内所有像素点的五维向量的距离,将距离作为相似性度量对网格内的像素点进行局部聚类形成超像素区域块,同时得到超像素区域块中聚类中心的特征向量。最后利用K-means算法依据特征向量的欧氏距离对超像素区域进行再次聚类,就得到了分割后的目标区域。（3）将本文算法与目前主流的彩色图像分割方法采用MIT彩色纹理库以及Segbench自然风景图像库中的图片进行实验对比,证明了本文算法在保证运行时间与其他算法相近的前提下,目标区域分割准确,噪音少,从主观视觉来看,分割结果更加平滑。这种利用颜色信息和纹理信息对彩色图像进行聚类分割的方法,在一定程度上改善了目前主流分割方法适用性不强的缺点。通过对本课题进行研究,掌握了分割彩色图像所需要的特征提取以及聚类的关键技术,为以后的学术研究和工程实践打下了理论基础。

王军敏^[4]（2019）在《面向纹理图像识别的特征提取方法研究》文中指出纹理图像在现实世界中无处不在,纹理图像中所蕴含的纹理模式特征是人类认知世界所需的重要视觉特征,这使得纹理图像识别研究具有重要的理论和应用价值,而纹理图像特征提取是该研究的核心内容。但是,目前存在的纹理图像特征提取方法存在以下不足之处:（1）对纹理图像的光照、旋转、尺度变化和训练样本个数缺乏综合的稳健性;（2）不能同时获得较高的纹理识别精度和较高的实时性。针对以上问题,本文对纹理图像识别中的特征提取方法进行了深入研究,取得了以下的创新性成果。（1）提出了一种基于局部特征描述和纹理基元学习的纹理图像特征提取方法。该方法利用5个特征量（局部熵值、局部方差、局部最大变化幅度、局部差分符号计数、局部差分幅值计数）对局部潜在的纹理基元特征进行描述,并利用K均值聚类算法进行纹理基元字典学习。实验结果表明,该方法所采用的局部特征描述子具有很强的鉴别能力,并且特征维数低（7维）,所需的纹理基元字典规模更小（仅为传统方法中纹理基元字典规模的1/2）。这使得该方法在纹理图像局部特征提取、纹理基元字典学习、纹理基元编码和特征匹配等阶段的实时性都得到显着提高,克服了传统纹理基元学习方法实时性较差的问题,同时在纹理识别精度上也超越了传统的纹理基元学习方法。（2）提出了一种将全局Gabor特征和局部编码Gabor特征进行融合的纹理图像特征提取方法。该方法首先利用采样和插值的方法为每个纹理图像构建一个四层的图像金字塔空间,然后利用多个尺度和方向的Gabor滤波器组对金字塔空间中的每个纹理图像进行滤波,用滤波后幅值图像的均值和方差作为全局Gabor特征,用滤波后幅值图像和相位图像的联合编码作为局部Gabor特征,并在最近子空间分类器的框架下实现了全局和局部Gabor特征的融合以及最终的纹理图像识别。实验结果表明,该方法提取的纹理图像特征具有很强的鉴别能力,在纹理识别精度上显着超越了传统的Gabor滤波方法,同时保持了较高的实时性,对纹理图像的尺度变化和训练样本个数也具有较好的稳健性。（3）提出了一种光照、旋转和尺度稳健的改进CLBP纹理图像特征提取方法。该方法利用局部模式主导方向的调谐作用,使传统的CLBP算法具有旋转不变性;利用连续的高斯滤波构造纹理图像的多尺度空间,并对不同尺度的联合直方图特征进行跨尺度取最大值,以使所提取的纹理特征具有对尺度变化的稳健性;利用多个半径的特征融合来捕获宏观和微观的纹理特征。实验结果表明,该方法提取的纹理图像特征具有很强的鉴别能力,在多个基准纹理库上都能获得很高的纹理识别精度,超越了目前很多先进的纹理识别算法。同时,该方法具有较高的实时性,对纹理图像的光照、旋转、尺度变化和训练样本个数也具有较好的稳健性,是一种综合性能较强的纹理图像特征提取方法。（4）提出了一种将粗略颜色信息和灰度纹理特征进行融合的彩色纹理图像特征提取方法。该方法利用纹理图像中的颜色信息具有低频性质并呈区域性分布的特点,对HSV空间中表示颜色信息的色调分量H和饱和度分量S采用粗略量化的策略,并用粗略量化后H分量和S分量的联合直方图来描述颜色信息,同时利用V分量进行灰度纹理特征的提取,最后将所提取的粗略颜色信息和灰度纹理特征进行融合,作为彩色纹理图像的特征描述。实验结果表明,与单独的灰度纹理特征和单独的颜色信息相比,该方法提取的彩色纹理图像特征具有更强的鉴别能力,能进一步提高纹理图像的识别精度,同时保持了较高的实时性,并在树皮分类、图像检索和纸币鉴别等工程领域获得了较好的应用效果。

孟勃,王晓霖,李东威^[5]（2018）在《基于四元数Gabor滤波的彩色纹理特征提取》文中提出现有的彩色图像纹理特征提取方法是将彩色图像转换为灰度图像或者对彩色图像进行分通道处理,这样的处理方法会丢失原图像的颜色信息和各通道间的相关性,导致特征图像的纹理特征和原图像的纹理特征差异较大。基于上述问题,提出了一种四元数Gabor彩色纹理特征提取方法。首先,根据Gabor滤波和四元数欧拉公式,推导出四元数Gabor滤波,并将彩色图像用四元数矩阵表达;其次提出四元数Gabor滤波卷积算法处理彩色图像,得到多尺度多方向的彩色纹理特征图像;最后对得到的彩色纹理特征图像进行Tamura统计特征的提取。实验结果表明,该方法可以很大程度地保留原图像的粗糙度、对比度和方向度等纹理特征,同时可以提取到原图像的颜色信息。在转化为灰度图像后,该方法在保留粗糙度、对比度和方向度等纹理特征方面优于传统Gabor方法和LBP方法。

王恒^[6]（2017）在《真实感彩绘兵马俑渲染的研究和实现》文中进行了进一步梳理随着计算机数字化和可视化技术的发展,对文化遗产的数字化保护和虚拟展示也提出了更高的要求。秦始皇陵陪葬坑中的兵马俑文物原本是周身彩绘,但由于千年来的自然侵蚀和考古发掘技术的局限等原因,出土时俑体彩绘分层脱落,变成现在我们所见的陶灰色。通过计算机辅助真实感渲染彩绘兵马俑,有利于文物的虚拟展示和数字化保存。本文利用HSL颜色空间对兵马俑灰度纹理进行颜色迁移得到复原的彩色纹理;依据彩绘兵马俑的结构特点和光学性质,提出一个改进的BSDF （bidirectional scattering distribution function,双向散射分布函数）光照模型计算兵马俑模型各层的光照现象,从而实现了对彩绘兵马俑的真实感渲染。研究进展如下:1.提出基于HSL颜色空间的颜色迁移算法。针对传统的颜色迁移算法无法使复原的彩绘满足“修旧如旧”的文物修复原则,本文提出在HSL颜色空间中进行颜色迁移,使专家复原的彩绘图像H分量不变,通过局部匹配H分量的方法,找到残存的彩绘图像的最佳样本点,将该点的S分量和L分量赋给专家复原的彩绘图像的匹配像素点,最终使专家复原的彩绘图像变’旧’,符合“修旧如旧”的原则。2.建立兵马俑层状结构模型。根据兵马俑的结构特点,将兵马俑由内到外分为胎体层-生漆层-彩绘层的三层结构。通过分析兵马俑彩绘层所使用的天然矿物质颜料的光学性质,得到光线在彩绘层发生散射和吸收现象的结论,最终建立了一个新的两层兵马俑模型。3.使用改进的基于物理的BSDF光照模型渲染彩绘兵马俑。由比尔定律可知,彩绘兵马俑的彩绘层对光是选择性吸收,且吸收的光强与厚度有关。以一个非均匀随机数作为彩绘层厚度参数,分析彩绘层的吸光性和生漆层的反射对渲染效果的影响,最终得到了较真实的彩绘兵马俑渲染效果。4.设计并实现了彩绘兵马俑渲染系统。本系统功能完备,交互性较好,能够生成复原的彩色纹理图像并实现了较为真实的彩绘兵马俑绘制效果,为兵马俑的虚拟展示和数字化保护提供了有效帮助。

刘刚^[7]（2016）在《基于无线供能的胃肠道视频胶囊内窥镜系统及肿瘤图像识别算法研究》文中指出无线胶囊内窥镜（Wireless capsule endoscopy,WCE）系统作为一种安全方便、无创无痛、全消化道检测方法,通过采集人体消化道内壁图像使临床医生获得病灶处最直观的信息。近年来,有关WCE的研究已经成为国内外医疗器械领域的研究热点之一。然而现有WCE系统的图像分辨率、图像传输帧率以及工作时间还无法满足临床使用要求。同时WCE一次检查获取的消化道图像多达几万张,对于临床医生来说,WCE视频的判读是一个费时费力的过程,这也阻碍了WCE在临床上的进一步推广应用。本文在国家和省级多项科研计划项目资助下,开展了基于无线供能的视频胶囊内窥镜系统和肿瘤图像识别算法的研究。分析了人体胃肠道生理特征及其对WCE系统设计的影响,提出两种不同类型的新型视频胶囊内窥镜系统样机:基于NTSC制式的视频胶囊内窥镜系统和基于Raw图像的数字式视频胶囊内窥镜系统。分别对它们内部的各功能模块进行了研究与设计。选择新型CMOS图像传感器,设计与之匹配的针孔镜头和照明模块;选择满足性能要求的微型控制处理器,完成视频胶囊内窥镜控制电路与数据处理模块的设计。结合图像传感器输出的视频图像格式,设计了能量利用率高、信号穿透力强、频带宽的无线视频传输电路;在视频胶囊内窥镜内部空间尺寸的限制下,设计了法向模螺旋发射天线,并建立仿真模型对其参数进行了优化。最后,设计了体外视频图像接收显示系统,在实现视频图像的接收、显示与存储的同时,让医生对视频胶囊内窥镜的工作状态进行监测。为了满足视频胶囊内窥镜系统的能量需求,分析了感应耦合式无线能量传输的基本原理,在安全性和稳定性约束条件下,提出视频胶囊内窥镜无线能量传输系统的模块化设计思想。围绕人体电磁安全性、磁场均匀性和频率稳定性等方面要求,设计了满足要求的能量发射电路和类椭圆螺线管对结构的便携式能量发射线圈。以人体组织电流密度和比吸收率（SAR）为参量分析了人体电磁辐射安全性;根据电磁场基本原理,推导不同能量发射线圈内部磁场分布表达;通过驱动电流的下降程度,分析发射线圈的频率漂移问题。从温升安全性、接收能量的稳定性出发,设计了满足要求的能量接收电路和新型三维空心圆柱接收线圈。通过检测不同线圈的温升情况,讨论了能量接收线圈内阻的安全范围;建立不同的坐标模型,分析了新型接收线圈的姿态稳定性。最后,分析了无线能量传输效率,以利于后续参数的实验优化。为了降低临床医生的工作量,提高诊断率,提出了基于多尺度分析和分形技术的WCE肿瘤图像自动识别算法。在RGB和HSV颜色空间中,首先将离散曲波变换和分形技术相结合,利用离散曲波变换选取合适的尺度重构WCE纹理图像,采用分形技术计算重构图像的局部分形维数,然后通过提取高斯型二阶矩统计特征和非高斯型三阶矩统计特征来区分WCE肿瘤和正常图像。建立基于遗传算法（GA）和支持向量机（SVM）的特征选择及分类识别方法,获取分类效果最优的特征集,降低特征向量维度的同时提高分类效率。采用K-fold交叉验证方法对SVM分类器的参数C和x实现智能优选,并确定最优参数。针对选定的WCE图像数据集,对提出的算法进行测试,最终得到的分类识别灵敏度为97.8%,特异度为96.7%,基本实现了WCE肿瘤图像的初步诊断。在实验研究的基础上,按照功能结构的不同,分别对视频胶囊内窥镜系统进行系统集成以及功能验证。测试了其内部照明电路,图像采集模块,数据压缩模块和无线传输模块的工作性能。通过离体肠道实验,采集到清晰的离体肠道图像,验证了整个功能模块的可行性。在无线能量传输系统的实验中,先后对能量发射和接收线圈进行了实验优化,确定了二者的参数数据,同时验证了新型三维空心圆柱接收线圈的姿态稳定度优于三维正交接收线圈。然后在不同介质中,对无线供能的NTSC视频胶囊内窥镜进行测试,进一步验证了在生物组织影响下,整个视频胶囊内窥镜系统的能量传输性能和通信性能,取得了本课题研究的阶段性成果,为下一步的研究和改进打下了良好的基础。

马倩^[8]（2016）在《基于激光扫描的三维人体模型彩色纹理映射方法的研究》文中进行了进一步梳理人体三维彩色模型重建是三维彩色模型重建领域研究的一项重要课题,其在服装定制、数字娱乐等领域有着广阔的应用前景。基于激光扫描的人体三维彩色模型重建,就是采用一定的纹理映射方法将不同方位拍摄的人体纹理图像映射到人体的三维模型表面。本文在分析国内外研究现状的基础上,基于激光三维扫描技术,研究人体彩色模型重建的纹理映射方法。论文的主要工作及创新性如下:1.针对三维人体彩色扫描仪多个传感器由于方位、曝光参数、光照条件等内外因素导致纹理图像存在色彩差异的问题,提出采用色彩迁移的方法进行纹理图像色彩差异修正,有效的减小了多幅纹理图像之间的色彩差异,解决了三维人体彩色模型表面色彩分块问题,提高了三维人体彩色模型的质量。2.借鉴摄像机自标定思想,在不需要制作专门标定靶的情况下,利用人体三维模型特征点和主纹理图像相对应的二维特征点,实现了主纹理图像与人体三维模型的映射关系的标定。3.通过标定其它纹理图像与主纹理图像之间的位置关系,求解出其它纹理图像与人体三维模型之间的投影关系,实现了多个彩色传感器所拍纹理图像与人体三维模型之间的准确映射。4.进行了真人模特的三维彩色模型重建实验,对不同着装的女模特和男模特,采用本文所提出的色彩差异修正方法和纹理映射方法,重建出了色彩均衡自然的三维人体彩色模型,证明了所提理论和方法的有效性。

杨勇^[9]（2013）在《基于多尺度结构张量的无监督彩色纹理图像分割方法研究》文中提出图像分割是数字图像处理与计算机视觉领域的一项基本研究问题，通过将图像划分为若干互不重叠的子区域或光滑封闭的曲线，且每个子区域或封闭曲线具有特殊的含义，因此，它成为图像分析与视觉计算的研究基础。由于图像分割能为众多高层应用像跟踪、检测及识别提供最重要的依据，因而被广泛的应用于目标识别、场景分析、特效电影、目标检测、医学图像处理、工业检测、基于内容的图像检索等领域。然而，由于人类缺乏对视觉系统的深层认识，且视觉感知的自然彩色纹理图像中包含的内容具有多样性、复杂性、随机性等特点，截止目前，尚未有十分成熟的图像分割方法满足于各种应用环境需求，因此，如何提高图像分割的视觉效果、泛化性、通用性，依然成为图像处理和计算机视觉领域的研究热点与难点，并成为一个极具有挑战性的研究课题。针对计算机自主模拟人眼感知外部世界的微观结构、宏观结构以及抽象层次的功能，并能够准确识别和区分不同场景的目标，进而获得重要的语义信息，致使无监督的图像分割成为近几年来广泛关注的焦点。由于自然图像中包含丰富的色度、饱和度、光照、亮度等颜色信息，以及描述线性、均匀性、规则性、随机性、平滑性、粗糙度、密度、粒度、频率、相位、方向等与周围环境相互关联的纹理信息,导致将颜色信息与纹理信息进行有机结合的彩色纹理图像分割方法成为本章研究的重点。近年来，由于对图像分割任务的健壮性、鲁棒性、实时性的需求，促使利用Graph Cut图切割优化方法实现全局最优化分割，成为当前实现图像分割最主要的方法之一。其优势在于分割加权图的拓扑结构自由、数值鲁棒性强、多特征约束融合能力灵活、全局最优化与执行效率高等优点。但是，由于自然彩色纹理图像的复杂性、多样性、模式的随机性、以及类别数难自主确定，导致基于传统的图切割优化方法来实现无监督的多类彩色纹理图像分割任务，无论是方法本身的适用性、鲁棒性、准确性、还是实时性，都遭到严重的限制。因此，本章针对传统彩色纹理图像分割中存在的若干关键问题，进行定性分析与定量研究，理论研究与实际研究相结合，并研究了几种新型多类无监督的彩色纹理图像分割方法。其具体的创新性研究成果可归纳为如下几个部分：首先，提出了一种将压缩的多尺度结构张量纹理，颜色以及TV尺度倒数特征相结合的彩色纹理描述子。基于多尺度结构张量具有多尺度信息描述能力和全方向信息压缩能力，以及将频域与空域信息有机结合的功能，将它用于提取多尺度的纹理信息。但是，由于它具有矩阵集合结构，且满足黎曼流行特性，当对其进行流行空间距离度量及相关统计计算时，需先将结构张量在流行空间映射到切向量空间，然后利用测地线距离对其进行计算，因此具有较高的时间复杂度和巨大的内存空间消耗。此外，它难以与向量结构的颜色信息进行有机整体结合。针对这些问题，本章提出了一种新型彩色纹理描述子。通过对多尺度结构张量的各个尺度进行SVD奇异值分解，然后将它们整体结合并进行PCA降维，得到主方向压缩的多尺度纹理信息。同时，采用TV流全变分提取尺度倒数特征来弥补多尺度结构张量在大尺度上提取纹理信息较少的缺点。为了提高检测边缘的能力、抗噪声特性以及同一目标区域的同质性，最终对构建的新型彩色纹理描述子进行非线性扩散滤波。其次，提出了智能最大期望学生-t（CEM3ST）算法，通过计算样本对混合概率密度的各个通道部分的样本支持程度，采用无效通道部分删除的方式自主确定图像中的有效类别数。为了模拟和加速有效类的信息传输，利用半隐形的方案替代显性方案，通过一次更新一个有效通道部分来加快收敛。为了删除无效通道部分的影响，在对多变量学生-t分布的EM最大期望统计计算的迭代过程中，利用当前已经更新过的有效通道部分与上次尚未处理的有效通道部分，共同参与当前部分的决策，并对样本支持程度进行归一化处理，剔除无效部分。换句话说，为了将无效部分的信息快速分配给其它的有效通道部分，利用最小二乘与ML最大似然的方法更新各个有效部分的相关统计参数，以及当前的有效类别数，进一步计算样本对有效部分的样本支持程度。再次，提出了基于边与基于区域的多类连续活动轮廓模型（MSACM）。具体地，通过对CV模型的区域外力与边缘内力的约束改进，将GMM多变量混合高斯模型用来刻画分段区域内的PDF概率密度描述，它打破了区域内常数概率密度的假设。这有利于提高同质目标区域的检测与噪声容忍能力。此外，将GAC测地线活动轮廓模型扩展到能量泛函的平滑项中，进一步提高对凹型边界的检测能力与抗噪特性。对于MSACM变分活动轮廓模型的最优化求解，通常等价于其能量最小，可采用数值离散化的水平集方式进行求解。然而，由于水平集方式极易限于局部最小，且收敛速度较慢。因此，本章采用Cauchy-Crofton公式进行多类离散化近似，将能量最小化问题转化为MLG多层图割模型的最大流/最小割问题，利用Graph Cut快速求得全局近似最优解。最终，分割后的同质目标区域更加完整，能够捕获较深的凹型边界，且边界更加光滑。最后，提出了基于多变量学生-t分布与区域可信融合的无监督彩色纹理图像分割方法。针对图像分割中存在的高斯型，非高斯型以及长尾巴型的PDF概率密度描述，本章使用多变量混合学生-t分布（MMST）对图像进行概率分布（PDF）建模。它能结合CEM3ST算法自适应确定初始的有效类数，这大大降低了构建多类图割模型的层数。此外，由于分割后的区域经常出现过分割以及错误分割现象，我们提出了区域可信融合策略。它通过将分割后区域的邻接关系、区域大小、区域公共边、以及区域之间的特征相似性-J散度距离，共同计算任意两个相邻区域间的区域可信融合度。通过合理的判别，将融合度较小的区域进行删除或融合。此外，为了实现自适应的迭代分割过程，将每次分割后有效通道部分的Kullback-Leibler（KL）概率密度距离与所有特征样本的能量相结合，自适应控制迭代分割过程的收敛，保证最终分割的区域结果具有视觉整体性与区域一致性。

张伟伟^[10]（2012）在《图像纹理特征提取及分类方法研究》文中研究指明纹理分类是模式识别与计算机视觉的重要组成部分，目前已广泛应用于多个领域。其中，纹理特征提取方法和分类器的选择，是纹理分类技术的关键。对于均匀灰度纹理图像，可利用小波变换、局部二进制等方法提取纹理特征，再利用神经网络、支持向量机等技术进行分类，对于彩色纹理图像和光照不均匀的纹理图像，现有纹理分类方法的效果还不够理想，分类准确度有待进一步提高。论文针对当前纹理图像分类存在的问题，提出了彩色纹理图像和光照不均匀纹理图像的特征提取方法，并结合支持向量机对相关纹理图像进行了实验仿真。论文主要内容包括：（1）针对光照不均匀（如渐晕）的纹理图像，提出了一种新的纹理图像自动分类方法。根据渐晕图像设定渐晕系数，在小波包提取纹理指数算法的基础上，利用渐晕系数自动调整各小波包分解系数，以此消除渐晕对特征指数的影响，提高分类准确率。仿真实验结果表明，利用该方法对渐晕纹理图像进行分类，分类准确率得到了很大程度的提高，取得了比较理想的分类效果。（2）针对彩色纹理图像，提出了两种特征提取方法。一种基于统计的思想，将共生矩阵扩展到彩色图像的各图层之间，提取彩色共生矩阵；另一种是基于原始纹理基元的思想，统计图像中各纹理基元作为局部特征，并结合彩色图像的色相和饱和度的全局特征，构建纹理指数。仿真实验结果表明，利用这两种方法提取彩色纹理特征，结合支持向量机进行自动分类，分类准确率得到了很大程度的提升。另外，论文还讨论了基于统计地形特征的纹理特征提取方法，并结合支持向量机对图像库中的灰度纹理图像进行了分类实验。实验结果表明，此方法虽然可以实现纹理图像自动分类，但是时间消耗很大。除此之外，论文还将纹理特征与图像修复联系起来，依据纹理指数实现样本块大小的自适应选取；仿真实验结果表明，此方法可以实现样本块大小的自动选取，提高了图像修复算法的自适应性。

二、细胞图像的彩色纹理分析方法研究（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：

本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。

（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。

三、细胞图像的彩色纹理分析方法研究（论文提纲范文）

（1）投影显示色彩校正方法研究（论文提纲范文）

（2）基于HSV的彩色纹理图像分类及目标追踪（论文提纲范文）

（3）基于颜色与纹理特征聚类的彩色图像分割研究（论文提纲范文）

（4）面向纹理图像识别的特征提取方法研究（论文提纲范文）

（5）基于四元数Gabor滤波的彩色纹理特征提取（论文提纲范文）

（6）真实感彩绘兵马俑渲染的研究和实现（论文提纲范文）

（7）基于无线供能的胃肠道视频胶囊内窥镜系统及肿瘤图像识别算法研究（论文提纲范文）

（8）基于激光扫描的三维人体模型彩色纹理映射方法的研究（论文提纲范文）

（9）基于多尺度结构张量的无监督彩色纹理图像分割方法研究（论文提纲范文）

（10）图像纹理特征提取及分类方法研究（论文提纲范文）

四、细胞图像的彩色纹理分析方法研究（论文参考文献）

• [1]投影显示色彩校正方法研究[D]. 徐嘉桢. 电子科技大学, 2021(01)
• [2]基于HSV的彩色纹理图像分类及目标追踪[D]. 李君伟. 西南交通大学, 2019(03)
• [3]基于颜色与纹理特征聚类的彩色图像分割研究[D]. 乔新新. 桂林理工大学, 2019(05)
• [4]面向纹理图像识别的特征提取方法研究[D]. 王军敏. 西北工业大学, 2019(04)
• [5]基于四元数Gabor滤波的彩色纹理特征提取[J]. 孟勃,王晓霖,李东威. 计算机工程与科学, 2018(09)
• [6]真实感彩绘兵马俑渲染的研究和实现[D]. 王恒. 西北大学, 2017(02)
• [7]基于无线供能的胃肠道视频胶囊内窥镜系统及肿瘤图像识别算法研究[D]. 刘刚. 上海交通大学, 2016
• [8]基于激光扫描的三维人体模型彩色纹理映射方法的研究[D]. 马倩. 天津大学, 2016(11)
• [9]基于多尺度结构张量的无监督彩色纹理图像分割方法研究[D]. 杨勇. 华中科技大学, 2013(10)
• [10]图像纹理特征提取及分类方法研究[D]. 张伟伟. 天津大学, 2012(08)