导读:本文包含了纹理提取论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:纹理,特征,遥感,光谱,建筑物,局部,松毛虫。
纹理提取论文文献综述
徐翰文,艾波,史绍雨[1]（2019）在《基于纹理特征融合与核模糊聚类的道路提取》一文中研究指出根据高分辨率遥感影像中道路方向上的纹理一致性,提出了一种基于纹理特征融合与核模糊C均值聚类的高分辨率遥感影像道路提取新算法。该算法改进了角度纹理特征的计算方式,首先与Gabor纹理特征进行融合;再利用结合空间信息的核模糊C均值聚类算法对融合特征进行聚类,从而提取高分辨率遥感影像中的道路。实验结果表明,该算法可较高精度地从高分辨率遥感影像中提取具有一定纹理的道路。(本文来源于《地理空间信息》期刊2019年11期）
黄兴华,叶军一,熊杰[2]（2019）在《基于纹理特征融合的道路垃圾图像识别及提取》一文中研究指出为准确利用机器视觉对道路垃圾图像进行识别及提取,在对现有纹理特征提取方法基础上,提出一种纹理特征融合与支持向量机(SVM)相结合的分类识别方法。对局部二值模式(LBP)进行改进,得到改进后的A-LBP;将A-LBP与Uniform LBP进行特征融合得到AD-LBP;利用AD-LBP和梯度方向直方图(HOG)算法对图像进行特征提取,训练SVM对测试样本进行识别分类;对识别出的图像进行形态学处理提取垃圾的质心位置。在沥青道路上进行的垃圾识别及提取实验结果表明,利用AD-LBP+HOG算法进行道路垃圾识别,识别率可达95.58%,并能准确提取垃圾的质心位置。(本文来源于《计算机工程与设计》期刊2019年11期）
傅艺扬,刘妹琴,樊臻,张森林[3]（2019）在《基于纹理滤波和颜色聚类的提花织物纹样自动提取方法》一文中研究指出为了提高提花织物纹样提取的准确性,消除织物组织结构对提取结果的干扰,文章提出了一种基于纹理消除滤波算法和密度峰聚类算法的纹样提取方法。通过统计图片区域梯度信息分离提花织物组织纹理区域和图案边缘结构,并利用非极大值抑制获得纹样边缘结构作为滚动引导滤波器的引导图,经过多次迭代计算实现织物纹理滤波。然后将图片从RGB颜色空间转换为CIELab颜色空间,利用密度峰聚类算法对织物色彩空间分割聚类,最终提取出织物纹样。实验结果表明,文章提出的方法快速准确地实现了提花织物纹样的自动分割与提取。(本文来源于《丝绸》期刊2019年12期）
邵文静,孙伟伟,杨刚,孟祥超[4]（2019）在《高光谱遥感纹理特征提取的对比分析》一文中研究指出高光谱遥感相对于传统的多光谱遥感具有光谱通道窄、光谱分辨率高的优势,能够用以区分不同亚类地物的细微光谱差异。以往单纯利用光谱信息分类难以达到理想的效果,于是提出了利用纹理特征分类以弥补光谱分类的不足。纹理特征是光谱空间到二维空间的投影,通过度量像素点及其周围空间邻域的灰度差异以区分地物。当前高光谱纹理特征提取大致分为四类,数学变换法、模型法、统计法和结构分析法。这些方法均对于分类效果均有所提升,但却缺乏一个完整全面的对比分析。本文选取ri LBP、SLIC、EMP、DMP、AP、EP、3D-abor、JBF和GF等9种当前高光谱领域的纹理特征提取方法,对其做出了简要介绍,并在统一的标准下进行对比分析。实验选用Indian Pines数据集、Pavia University数据集和雄安数据集等叁个标准数据集,经过主成分分析后提取其纹理特征,最后利用支持向量机(SVM)对纹理特征进行分类。用分类精度、计算时间、标准差等指标进行评价。实验结果表明,EP综合表现优于其它8种纹理特征方法;其次是EMP也达到了很好的分类效果;ri LBP精度高,但特征计算时间长;JBF与GF总体精度上略低,但二者特征计算时间短,可以当作分类后处理的方式与其他纹理特征相结合。(本文来源于《浙江省地理学会2019年学术年会暨乡村振兴高峰论坛论文摘要集》期刊2019-10-25）
马肖肖,程博,刘岳明,崔师爱,梁琛彬[5]（2019）在《基于极化特征和纹理特征的PolSAR影像建筑物提取方法》一文中研究指出极化合成孔径雷达(PolSAR)以其多参数、多通道、多极化、信息记录更加完整等特点,在城市地物提取领域中发挥着重要作用,并已成为遥感影像研究领域的热点。选择覆盖苏州市的Radarsat2影像,利用极化非相干分解法和灰度共生矩阵法分别提取19种极化特征和8种纹理特征,通过分析建筑物、植被和水体的极化特征和纹理特征进行特征组合,结合主成分分析法(PCA)和支持向量机法(SVM)对城市建筑物进行提取,并定量评估精度。结果表明:基于极化特征的建筑物提取精度最高为92. 4%;基于纹理特征的提取精度最高为88. 9%;极化特征与纹理特征相结合可以提高精度,最高精度为93. 7%; PCA特征融合算法具有较高的运算效率,同时提高了精度。(本文来源于《中国科学院大学学报》期刊2019年05期）
李金香,赵朔,金花,李亚芳,郭寅[6]（2019）在《结合纹理和形态学特征的高分遥感影像建筑物震害信息提取》一文中研究指出为提高震害信息获取时效性,对基于我国国产高分遥感影像的建筑物震害信息提取方法进行深入研究,本文以2017年5月11日新疆塔县M_S5.5地震为例,利用该地震前后极灾区高分遥感影像,利用结合纹理和形态学特征的方法进行了建筑物震害信息提取,通过变化检测分析获取了极灾区建筑物震害信息,并与基于像元级和基于目标级的信息提取结果进行对比,采用震后无人机影像目视解译结果对本文结果进行了精度验证。结果表明:通过缩减研究区范围可大力提高数据提取精度和速度;运用灰度共生矩阵、二值化、数学形态学等方法对影像进行迭代运算,能较好地提取高分遥感影像中的建筑物信息;通过对地震前后建筑物提取结果进行变化检测分析,能够有效地提取完全倒塌的建筑物,信息提取总体精度为90.45%,比基于像元级和基于目标级信息提取结果的精度分别提高了5.78%和5.23%,可为震后快速确定人员压埋点、部署救援力量提供决策依据,提高地震应急救援的时效性。(本文来源于《地震学报》期刊2019年05期）
李松,蔡航,于蒙[7]（2019）在《基于自适应局部二值模式的纹理特征提取方法》一文中研究指出局部二值模式(local binary pattern, LBP)是一种简单有效的纹理特征描述符,但是存在对噪声缺乏鲁棒性以及编码过程中信息缺失的问题。针对该问题提出基于自适应阈值的带方向的完整局部二值模式(adaptation threshold complete local binary pattern with direction,DAT-CLBP)。提出一种自适应阈值选取方法和判别条件,通过判别条件,从自适应邻域像素中值和中心像素值中选取一种作为LBP编码时的阈值;计算邻域像素和阈值的差分的幅值,并以幅值最小点为起点,从小到大地计算局部邻域的二值模式。在通用纹理库上运行算法,统计两种阈值的发生率,证明了采取自适应阈值的必要性。以纹理库上添加了不同程度的椒盐噪声的纹理图像为样本实验,结果表明算法能更好地描述纹理,同时也对椒盐噪声具有鲁棒性。(本文来源于《计算机应用与软件》期刊2019年09期）
杨延竹,刘颖,白旭,韩阜益[8]（2019）在《砂纸在线纹理特征提取方法的研究》一文中研究指出纹理特征作为图像的表面固有特征,在模式识别中有着重要的作用。针对提取砂纸表面缺陷纹理特征的问题,提出了灰度共生矩阵的概念,建立了砂纸的灰度共生矩阵模型,对模型进行相关的理论分析,诠释了图像预处理工作的重要性和各个参数的影响机制;同时针对砂纸图像光照不均匀的现象,采用了基于概率的数字图像不均匀校正算法,对图像质量进行改进。通过对实验的仿真分析,验证了传统的灰度统计特征的方法在提取砂纸纹理特征中的不足,得出灰度共生矩阵在纹理特征提取中具有更好的适应性结论。最终构建砂纸的特征向量,为模式识别过程中分类器的训练提供了理论依据。(本文来源于《机械设计与制造》期刊2019年09期）
姚新华,金佳,徐飞飞,冯险峰,罗明[9]（2019）在《太湖流域果树提取的光谱和纹理特征选择研究》一文中研究指出准确获取果树的空间种植分布信息,对于开展果树长势监测、产量估算等具有重要意义。为提取太湖流域金庭镇果树的空间分布,本研究以冬夏时期的两景高分二号(GF-2)遥感影像为数据源,利用归一化植被指数(NDVI)和归一化水体指数(NDWI)结合纹理特征构建了基于光谱指数和纹理特征的决策树模型,提取了金庭镇2017年果树的空间分布信息。通过分析研究区各地类的光谱曲线发现,植被与非植被区分明显,但果树与茶树的光谱存在混淆。GF-2影像包含丰富的纹理信息,果树与茶树在GF-2影像上纹理特征明显,易于区分。纹理可作为果树提取的重要特征。为了确定最佳纹理窗口的大小,研究中提出了累计差(Δf)的方法。通过比较每一个纹理变量在15种不同尺度窗口(3?3,5?5,7?7,9?9,11?11,13?13,15?15,17?17,19?19,21?21,23?23,25?25,27?27,29?29,31?31)下的Δf,确定了最佳纹理窗口为15?15。在最佳纹理窗口下根据累计差选取了5大纹理组合:均值(mean)、方差(variance)、对比度(contrast)、信息熵(entropy)和相关性(correlation)。研究结果表明基于光谱指数NDVI和NDWI结合纹理特征构建的决策树模型可有效区分果树与茶树。累计差的方法能够快速确定最佳纹理窗口和纹理组合。提取结果说明果树分布于金庭镇的各个位置,主要分布在平原区,种植比较整齐,南部种植面积多于北部。本研究果树的提取精度为95.23%,模型总体分类精度为89.57%,Kappa系数为89.00%,果树的生产精度为90.00%,用户精度为87.30%。与单一光谱、纹理模型相比,本文模型总体分类精度更高,精度分别提升了10.65%和12.04%。该方法能够适用于大区域果树的遥感提取,可为亚米级遥感影像研究果树的纹理特征提供重要参考和借鉴价值。此外,文中提出的累计差可为选取最佳纹理窗口提供一种新的思路。(本文来源于《中国生态农业学报(中英文)》期刊2019年10期）
亓兴兰,肖丰庆,刘健,张李平[10]（2019）在《基于多尺度纹理与光谱特征的马尾松毛虫虫害信息提取方法研究》一文中研究指出以福建沙县为研究区,融合SPOT-5多光谱影像与全色影像,基于灰度共生矩阵法提取纹理量,与光谱波段组合,采用支持向量机分类方法提取虫害信息,探讨纹理特征对于虫害监测信息提取精度的影响。结果表明:结合多尺度纹理与光谱特征的支持向量机分类方法,其虫害信息提取总精度最高,为80.48%;结合单尺度纹理与光谱特征的支持向量机分类器方法,其虫害信息提取总精度次之,为78.81%;基于光谱特征的最大似然法,其虫害信息提取总精度最低,为70.48%。结合多尺度纹理与光谱特征的支持向量机分类器方法,其图面表现也较好,减少了图面的细碎斑点。因此,提取多尺度纹理与光谱特征结合,丰富了图像信息量,有助于提高虫害信息的提取精度。(本文来源于《西南林业大学学报(自然科学)》期刊2019年05期）
纹理提取论文开题报告
（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：
为准确利用机器视觉对道路垃圾图像进行识别及提取,在对现有纹理特征提取方法基础上,提出一种纹理特征融合与支持向量机(SVM)相结合的分类识别方法。对局部二值模式(LBP)进行改进,得到改进后的A-LBP;将A-LBP与Uniform LBP进行特征融合得到AD-LBP;利用AD-LBP和梯度方向直方图(HOG)算法对图像进行特征提取,训练SVM对测试样本进行识别分类;对识别出的图像进行形态学处理提取垃圾的质心位置。在沥青道路上进行的垃圾识别及提取实验结果表明,利用AD-LBP+HOG算法进行道路垃圾识别,识别率可达95.58%,并能准确提取垃圾的质心位置。
（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。
纹理提取论文参考文献
[1].徐翰文,艾波,史绍雨.基于纹理特征融合与核模糊聚类的道路提取[J].地理空间信息.2019
[2].黄兴华,叶军一,熊杰.基于纹理特征融合的道路垃圾图像识别及提取[J].计算机工程与设计.2019
[3].傅艺扬,刘妹琴,樊臻,张森林.基于纹理滤波和颜色聚类的提花织物纹样自动提取方法[J].丝绸.2019
[4].邵文静,孙伟伟,杨刚,孟祥超.高光谱遥感纹理特征提取的对比分析[C].浙江省地理学会2019年学术年会暨乡村振兴高峰论坛论文摘要集.2019
[5].马肖肖,程博,刘岳明,崔师爱,梁琛彬.基于极化特征和纹理特征的PolSAR影像建筑物提取方法[J].中国科学院大学学报.2019
[6].李金香,赵朔,金花,李亚芳,郭寅.结合纹理和形态学特征的高分遥感影像建筑物震害信息提取[J].地震学报.2019
[7].李松,蔡航,于蒙.基于自适应局部二值模式的纹理特征提取方法[J].计算机应用与软件.2019
[8].杨延竹,刘颖,白旭,韩阜益.砂纸在线纹理特征提取方法的研究[J].机械设计与制造.2019
[9].姚新华,金佳,徐飞飞,冯险峰,罗明.太湖流域果树提取的光谱和纹理特征选择研究[J].中国生态农业学报(中英文).2019
[10].亓兴兰,肖丰庆,刘健,张李平.基于多尺度纹理与光谱特征的马尾松毛虫虫害信息提取方法研究[J].西南林业大学学报(自然科学).2019
论文知识图
