论文部分内容阅读
纹理图象的识别与生成是图象处理、模式识别和计算机视觉等学科领域的重要研究内容之一，其识别与生成技术具有重要的实际应用意义。本论文在分析、总结多种常用方法的基础上，对纹理图象识别与生成的各个阶段进行了深入的研究，结合信息智能处理技术提出了一些有效的处理方法，取得了较好的实验结果。 本论文应用数学形态学理论提出了一种新型的全方位层叠滤波算法，实验结果表明，该方法在保持图象几何特征的同时，能够有效提高对自然纹理图象的去噪效果，还具有能并行快速实现的特点。 针对自然纹理图象的识别问题，根据蚁群算法的聚类和离散性特点，本论文提出一种有效而适用的图象识别聚类蚁群算法，通过深入研究和实验分析纹理图象的特征函数，结合蚁群算法聚类识别的要求，确定了较全面反映自然纹理图象特征的9个统计函数作为图象识别的依据，利用蚁群算法的聚类特性对纹理图象的特征函数进行聚类匹配，最终实现图象的识别。实验结果表明，这一新型算法具有较高的识别率，而且便于实现和应用。 自然纹理图象具有局部非线性特点，所以其生成问题就比较复杂。为能够提出从各个角度真实全面反映图象的特征函数，本论文引入高阶统计量作为纹理特征，与一、二阶统计量相结合，共选取16个特征函数作为图象生成的依据，运用改进的BP算法建立了人工神经网络模型，实现了自然纹理图象的生成。实验结果表明，本论文提出的纹理图象生成方法具有生成时间较短、生成效果逼真等优点。而且该方法打破了以往纹理图象根据结构不同采用不同模式生成方法的界限，可根据需要任意生成各种自然纹理图象。