花粉图像纹理特征提取方法的研究

花粉图像纹理特征提取方法的研究

论文摘要

花粉颗粒的分类识别在花粉过敏控制、刑事侦查、石油勘探以及古气候重建等领域有着重要应用。但传统的花粉颗粒分类识别方法主要是依靠显微镜的人工目视检查,需要操作者具有丰富的孢粉形态学专业知识,鉴别过程耗时费力且易受操作者主观意识影响,准确度普遍不高。鉴于显微镜下的花粉图像有着跟普通图像类似的结构、纹理特征,利用计算机对花粉颗粒进行分类识别已经成为花粉鉴别的有效手段。但现有的花粉图像分类识别方法仍存在些许不足,主要包括以下两方面:现有描述子大多对噪声敏感、对花粉图像的旋转缩放没有较好的鲁棒性;多数描述子将多种特征融合,旨在利用不同特征的优点来构建花粉图像的最优表示,但这也大大增加了算法的时间复杂度,不利于花粉图像的实际分类识别。针对以上问题,本文对花粉图像的纹理特征提取方法进行研究,主要的研究内容包括:(1)针对传统局部二进制模式(LBP)有着对噪声敏感、对图像旋转变化的鲁棒性不高等问题,对传统局部二进制模式进行改进,提出一种基于主梯度编码的局部二进制模式,并将其应用于花粉图像的分类识别。该方法首先计算图像块在主梯度方向上的梯度幅值;其次,分别计算图像块的径向、角向以及复合梯度差;然后,根据各图像块的梯度差进行二进制编码,采用自适应权重分配策略为二进制编码自适应分配权重,并计算花粉图像在径向、角向以及复合方向上的LBP特征直方图;最后,将不同尺度下的纹理特征直方图融合,将融合特征用于花粉图像的分类识别。实验结果表明,该方法对花粉图像的噪声、旋转和缩放具有较好的鲁棒性。(2)针对花粉图像的纹理变化范围相较于普通纹理图像较小,过宽的量化区间难以捕捉不同花粉图像的细微纹理差异的问题,提出一种局部十进制模式(LDP),并将其应用于花粉图像的分类识别。该方法通过增加量化区间的数量、缩小量化区间的范围来捕获花粉图像的细微纹理差异,首先将花粉图像的梯度图像分解到8个方向,找出最大、最小以及中位梯度方向;其次,计算像素块在各梯度方向上的梯度幅值;然后,根据各量化区间内的像素块的数量进行十进制编码;最后,计算最大、最小以及中位梯度方向上的LDP特征直方图,将融合的特征用于花粉图像的分类识别。实验结果表明,该方法的平均正确识别率能达到90%以上,且识别效率也高于部分对比方法。

论文目录

  • 摘要
  • Abstract
  • 第一章 前言
  •   1.1 研究目的及意义
  •   1.2 国内外研究现状
  •   1.3 研究内容和方法
  •   1.4 论文组织结构
  • 第二章 基本概念介绍
  •   2.1 图像特征基本概念
  •     2.1.1 图像形状特征
  •     2.1.2 图像纹理特征
  •   2.2 局部二值模式
  •   2.3 支持向量机
  •   2.4 人工神经网络
  •   2.5 本章小结
  • 第三章 基于主梯度编码的局部二进制模式
  •   3.1 多角度采样
  •   3.2 自适应分配权重
  •   3.3 多尺度纹理特征统计
  •   3.4 实验结果与分析
  •     3.4.1 数据集
  •     3.4.2 Confocal数据集的实验结果
  •     3.4.3 Pollenmonitor数据集的实验结果
  •     3.4.4 与其它算法的对比分析
  •   3.5 本章小结
  • 第四章 基于多方向的局部十进制模式
  •   4.1 局部十进制模式
  •   4.2 参数选择
  •     4.2.1 邻域像素块数、采样半径以及像素块尺寸
  •     4.2.2 量化区间数
  •     4.2.3 量化阈值
  •   4.3 实验结果与分析
  •     4.3.1 Confocal数据集的实验结果
  •     4.3.2 Pollenmonitor数据集的实验结果
  •     4.3.3 与其它算法的对比分析
  •   4.4 本章小结
  • 第五章 实验对比分析
  •   5.1 Confocal数据集上的识别结果对比
  •   5.2 Pollenmonitor数据集上的识别结果对比
  •   5.3 本章小结
  • 第六章 总结与展望
  •   6.1 工作总结
  •   6.2 展望
  • 致谢
  • 参考文献
  • 作者简介
  • 文章来源

    类型: 硕士论文

    作者: 韩丽萍

    导师: 谢永华

    关键词: 花粉图像,纹理特征,局部二进制模式,局部十进制模式,梯度图像

    来源: 南京信息工程大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 生物学,计算机软件及计算机应用

    单位: 南京信息工程大学

    分类号: TP391.41;Q944.58

    DOI: 10.27248/d.cnki.gnjqc.2019.000483

    总页数: 64

    文件大小: 6001K

    下载量: 63

    相关论文文献

    • [1].高频超声射频图像梯度信息盲提取仿真研究[J]. 计算机仿真 2019(12)
    • [2].融合图像梯度方向的客户相关算法分析[J]. 宜宾学院学报 2018(12)
    • [3].对称性的图像梯度方向在人脸识别中的应用[J]. 宜宾学院学报 2018(12)
    • [4].基于图像梯度的无线软传输[J]. 计算机学报 2019(09)
    • [5].基于图像梯度匹配的自动泊车系统车位识别方法[J]. 江苏大学学报(自然科学版) 2020(06)
    • [6].星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版) 2018(06)
    • [7].基于图像梯度的印刷品缺陷检测算法研究[J]. 科技风 2011(06)
    • [8].基于梯度纹理描绘子的雾图像判别方法[J]. 苏州科技大学学报(自然科学版) 2017(04)
    • [9].肺部CT图像中的解剖结构分割方法综述[J]. 中国图象图形学报 2018(10)
    • [10].基于图像梯度的透镜成像清晰度评估系统[J]. 物理与工程 2018(05)
    • [11].基于图像梯度差值算法的自动快速调焦[J]. 工具技术 2016(04)
    • [12].基于参考图像梯度方向先验的压缩感知磁共振快速成像[J]. 集成技术 2016(03)
    • [13].图像梯度分类的概率模型及在边缘检测中的应用[J]. 计算机工程与应用 2010(18)
    • [14].图像梯度引导的窗口形状自适应双边滤波[J]. 计算机应用与软件 2019(12)
    • [15].基于多识别区域融合的机动车驾驶员检测框架[J]. 模式识别与人工智能 2018(03)
    • [16].指纹分割的块图像梯度因子聚类法[J]. 计算机与数字工程 2008(07)
    • [17].数字化景观图像视觉效果优化仿真研究[J]. 计算机仿真 2018(02)
    • [18].一种地外天体路标图像的稀疏化表征方法[J]. 空间控制技术与应用 2018(03)
    • [19].基于智能手机无线信号和图像距离感知融合的室内定位算法[J]. 计算机应用 2018(09)
    • [20].相机阵列多视角图像盲去模糊方法[J]. 计算机辅助设计与图形学学报 2018(08)
    • [21].一种新的结合图像梯度的局部活动轮廓模型[J]. 计算机应用研究 2014(11)
    • [22].基于非线性尺度空间的图像局部特征的检测与匹配算法研究[J]. 南方农机 2019(05)
    • [23].基于GPU加速的约束平均曲率流滤波的图像抽象化绘制技术[J]. 电子测试 2018(Z1)
    • [24].一种含雾交通图像梯度双边滤波算法[J]. 哈尔滨工程大学学报 2018(10)
    • [25].基于标记分水岭的植物重叠叶片改进分割算法[J]. 计算机与现代化 2019(01)
    • [26].基于图像特征的大气能见度估算方法[J]. 南京理工大学学报 2018(05)
    • [27].可学习高阶微分方程的图像盲复原[J]. 中国图象图形学报 2018(02)
    • [28].一种自动读取指针式仪表读数的方法[J]. 南京大学学报(自然科学) 2019(01)
    • [29].图像特征保持的圆点绘制方法[J]. 计算机辅助设计与图形学学报 2020(01)
    • [30].基于形变量和相似性测度相关联的肺部2D/3D图像弹性配准算法[J]. 航天医学与医学工程 2018(06)

    标签:;  ;  ;  ;  ;  

    花粉图像纹理特征提取方法的研究
    下载Doc文档

    猜你喜欢