Apr, 2019

纹理图像分析和纹理分类方法 - 综述

PDF
TL;DR本论文主要讨论了纹理分析方法在计算机视觉领域的应用，包括图像处理、对象识别、表面缺陷检测、医学图像分析等，并重点介绍了统计、结构、基于模型和基于变换等四种纹理分析方法，以及组合方法在纹理分析中的应用，同时总结了常见的分类器及纹理图像数据集。
texture analysiscomputer visionimage processingcombinational methodsimage classification
发现论文，激发创造
  • 使用自然语言描述纹理

    本文研究了纹理的视觉属性及对不同模型的影响，发现现有的生成和判别模型不能很好地捕捉纹理的组成属性。我们以证据支持了此观点，并提供了可解释性的模型来生成基于语言的解释，以加深对纹理分类的理解。我们通过在 Caltech-UCSD 鸟类数据集上进行精细分类，证明了该数据集上所学习到的纹理属性相比专家设计的属性能够实现显著改进。

    Aug, 2020

  • 基于基本图案单元和统计特征相结合的颜色纹理分类方法

    这篇研究论文介绍了一种基于图像纹理的粒子元素的直方图和统计特征的分类方法，并对彩色图像进行了扩展，以利用该方法在分析每个 RGB 通道方面的能力。该方法被测试于石头纹理分类，其结果证明了该方法的质量。

    Sep, 2011

  • 局部二值模式两个十年：一项调查

    介绍了二维、时空三维和四维等不同领域中最具代表性的 Local binary patterns 及其变种，探讨了其应用，包括纹理、图像描述和信号分析等，同时简要概述了其未来的研究挑战。

    Dec, 2016

  • 一种基于灰度共生矩阵、局部二值模式和 K-means 聚类相结合的创新纹理数据库采集方法和特征提取方法

    本文提出了一种基于灰度差异矩阵和局部二值模式特征的特征表示和基于 K-means 聚类的图像采集算法，用于收集更高效的纹理图像数据库，并通过一些先进的纹理分类技术进行了性能评估。

    Mar, 2018

  • 野外纹理描述

    通过创建 Describable Textures Dataset（DTD），使用 47 种纹理术语，将 IFV 应用于纹理识别，以认识和描述大型野外纹理数据集。这种方法不仅提高了纹理识别数据集的性能，而且也极大地提高了材料识别数据集的性能。

    Nov, 2013

  • 基于模型集成的纹理提取方法用于改善分类

    本研究提出了一个框架，该框架将多种基于纹理的技术与 CNN 主干结合起来，以提取与图像纹理相关联的最相关特征，使模型可以以自我选择的方式进行训练，并在几个基准数据集上展现了最新的成果。

    Jun, 2022

  • 图像质量评估：统一结构和纹理相似性

    通过卷积神经网络，构建了一种显式容忍纹理重采样的完全参考图像质量模型，利用纹理相似度和结构相似度结合来优化图像质量评估，在现有的数据库和纹理数据库上都表现出了具有竞争力的性能。

    Apr, 2020

  • 纹理学习探索

    本研究探讨纹理学习：识别目标分类模型学习到的纹理以及它们对这些纹理的依赖程度。我们建立了纹理 - 目标的关联，揭示了 CNN 中纹理和目标类别之间关系的新见解，并发现三类结果：强关联且符合预期、强关联但不符合预期以及符合预期但不具备纹理。我们的分析表明，纹理学习的研究可以实现新的解释方法，并有可能揭示出意外的偏见。

    Mar, 2024

  • 纹理识别、描述和分割的深度滤波器组

    本文提出了一种基于可描述纹理数据集的词汇表，用于描述常见的纹理模式，以及一些对应的图像识别技术，包括物体材质和纹理属性的实时识别，并通过将深度模型卷积层用作滤波器进行优化以获得卓越的性能。

    Jul, 2015

  • 基于榜样的纹理合成调查

    本文研究了纹理合成的两大方法，即基于统计学特征和重组补丁方法，并探索了混合方法以及卷积神经网络的应用，但在处理多尺度的真实纹理图像时面临挑战。

    Jul, 2017