- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
中文题名(小二号幼圆加粗)
中文题名(小号
吕**1a,汪**2,李**1b,陈**1b号黑体
(1.浙江理工大学 a.材料与纺织学院;b.先进纺织材料与制备技术教育部重点实验室,杭州 3100182.苏州大学 现代丝绸国家工程实验室,江苏 苏州 215123) 5号宋体
(单位写至学院或系。不同单位用数字标示,同一单位不同院系用字母标示。单位地址如是省会城市,则省略省名)
摘要:【背景与目的】纹理是图像分析和识别中经常使用的关键特征, 而小波变换则是图像纹理表示和分类中的常用工具。 然而, 基于小波变换的纹理分类方法常常忽略了小波低频子带信息, 并且无法提取图像纹理的块状奇异信息。【研究方法】文章提出小波子带系数的局部能量直方图建模方法、轮廓波特征的Poisson 混合模型建模方法和基于轮廓波子带系数聚类的特征提取方法, 并将其应用于图像纹理分类上。【创新点】基于局部能量直方图的纹理分类方法解决了小波低频子带的建模难题, 基于Poisson 混合模型的纹理分类方法则首次将Poisson 混合模型用于轮廓子带特征的建模, 而基于轮廓波域聚类的纹理分类方法是一种快速的分类方法。【结论】实验结果显示, 文章所提出的三类方法都超过了当前典型的纹理分类方法。
中英文摘要按照“拥有与文章同等量的主要信息”的原则,应能简明、确切地阐述文章的创新性内容,给出研究背景与目的(有时可省略)、方法、重要的结果和主要结论;但不宜对文章内容和结论进行评价或评论,不宜有引言中出现的内容,不宜简单重复题目中已有的信息;不推荐在摘要中引用文献,除非文章证实或否定了他人已发表的结果。摘要中不使用复杂化学结构式、图片和公式。推荐篇幅为250个汉字。英文摘要的含义应与中文摘要一致,但不应逐字翻译中文摘要;英文摘要尽量使用简单句,避免使用复句套复句的超长语句。推荐使用主动语态,一般现在时。
关键词:方向多尺度变换;统计建模;Poisson混合模型;纹理分类;纹理检索
中图分类号:TS195.644 文献标志码:A 文章编号:1001-7003(2011)0010-*** (中图分类号可在网站查询)
English title
Lü **1a, WANG**2, LI**1b, CHEN **1b
( 1a.College of Materials and Textiles; 1b.Key Laboratory of Advanced Textile Materials and Manufacturing Technology, Ministry of Education, Zhejiang Sci-Tech University, Hangzhou 310018, China; 2.National Engineering Laboratory for Modern Silk, Soochow University, Suzhou 215123, China )
Abstract: Texture is a key feature frequently used for image analysis and recognition, and wavelet transforms are common tools for image texture analysis and classification. However, wavelet-based texture classification methods usually neglect the information in the low-pass subband, and cannot capture piece-wise singularities contained in image texture. In this paper, we propose local energy histograms (LEHs) for modeling wavelet subband coefficients, Poisson mixture models (PMMs) for modeling contourlet subband features, and clustering for extracting contourlet subband features. Then, these modeling methods are utilized to texture classification. The LEH-based texture classification method alleviates the difficulty of modeling wavelet subband co
您可能关注的文档
最近下载
- 江苏省连云港市东海县实验中学2024-2025学年九年级上学期第一次月考语文试题(含答案).pdf VIP
- Sharp夏普扫描仪DW-D20HZ-W DW-D20NZW3 CF-20HZW 3用户手册.pdf
- 2024-2025学年九年级语文上学期第一次月考试卷附答案解析.pdf VIP
- C站JUE-85中文操作说明书-07-9-10.pdf VIP
- 智能融合终端通用技术规范2025.docx
- 2024年中级经济师《经济基础》真题卷(1116下午).pdf VIP
- 660MW发电机内冷水系统漏氢原因分析处理.pdf VIP
- 管道命名及代码含义.docx VIP
- 认知心理学第四章记忆解析.ppt VIP
- 外墙抹灰安全技术交底.pdf VIP
文档评论(0)