Skip to main content
SpringerLink
Log in
Book cover

Mustererkennung 1995 pp 562–569Cite as

Ein Verfahren zur Texturanalyse basierend auf multiplen Waveletbasen

  • Conference paper

Part of the book series: Informatik aktuell ((INFORMAT))

Zusammenfassung

Der Beitrag stellt ein Verfahren zur Texturanalyse vor, das auf der Wavelettransformation (WT) basiert. Die WT, deren prägnanteste Eigenschaft ihre gute Lokalisation im Orts–und im Frequenzbereich ist, stellt in Form einer Merkmalextraktion den entscheidenden ersten Schritt innerhalb der Texturanalyse dar. Im Unterschied zu klassischen Verfahren der Texturanalyse werden die Ausgangsbilder dabei einer globalen WT, d.h. einer Anwendung auf das gesamte Bild, unterzogen. Ziel der Arbeit ist eine generalisierende Klassifikation von Brodatztexturen. Dieses Ziel wird durch das vorgeschlagene Verfahren erreicht, indem die Klassifikationsresultate, die durch Anwendung unterschiedlicher Basiswavelets erzielt werden, miteinander verknüpft und abschließend einer morphologischen Nachbearbeitung unterzogen werden.

This is a preview of subscription content, log in via an institution.

Chapter
USD   29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD   49.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD   59.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Learn about institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. A. Akansu, R. A. Haddad, “Multiresolution Signal Decomposition”, Academic Press Inc., Boston San- Diego New York, 1992

    MATH  Google Scholar 

  2. P. Brodatz, “Textures-A Photographic Album for Artists and Designers”, Dover, New York, 1966

    Google Scholar 

  3. C. Busch, M. Eberle, “Morphological Operations for Color—Coded Images”, Computer Graphics Forum, Tagungsband der EUROGRPAHICS’95, erscheint 1995

    Google Scholar 

  4. C. Busch, M. Groß: “Interactive Neural Network Texture Analysis and Visualization for Surface Reconstruction in Medical Imaging”. Computer Graphics forum, Vol.12, No.3, PP.C49–C60, 1993

    Article  Google Scholar 

  5. T. Chang, C. C. J. Kuo: “Texture Analysis and Classification with Tree-Structured Wavelet Transform”, IEEE Transactions on Image Processing, Vol. 2, pp. 429–441, 1993

    Article  Google Scholar 

  6. C. K. Chui: “An Introduction to Wavelets”, Academic Press Inc., Boston San-Diego New York, 1992

    MATH  Google Scholar 

  7. K. Etemad, R. Chellappa: “Separability based Tree Structured Local Basis Selection for Texture Classification”. IEEE-ICIP, pp.441–445, 1994

    Google Scholar 

  8. M. Groß, R. Koch, L. Lippert, A. Dreger: “Multiscale Image Texture Analysis in Wavelet Spaces”. IEEE-ICIP, pp.412–416, 1994

    Google Scholar 

  9. M. Groß, F. Seibert: “Visualization of Multidimensional Image Data Sets Using a Neural Network”. The Visual Computer 10, pp. 145–159, Springer Verlag, 1993

    Article  Google Scholar 

  10. R. M. Haralick: “Statistical and Structural Approaches to Texture”. Proceedings of the IEEE, Vol.67, No.5, pp. 786–804, 1979

    Article  Google Scholar 

  11. B. Julesz:”Textons, the Elements of Texture Perception and their Interactions”. Nature, Vol 290, pp. 91–97, 1981

    Article  Google Scholar 

  12. T. Kohonen: “The Self-Organizing Map”. Proceedings of the IEEE, Vol.78, No.9, pp. 1464–1480, 1990

    Article  Google Scholar 

  13. S. G. Mallat: “A Theorie for Multiresolution Signal Decomposition: The Wavelet Representation”, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 11, pp 674–693, 1989

    Article  MATH  Google Scholar 

  14. P. Palisson, N. Zegadi, F. Peyrin, R. Unterreiner: “Unsupervised Multiresolution Texture Segmentation using Wavelet Decomposition”. IEEE-ICIP, pp.625–629, 1994

    Google Scholar 

  15. M. Schmerer: “Untersuchungen zur Eignung der Wavelettransformation für die Texturanalyse”, Diplomarbeit an der TH-Darmstadt, FB 20, 1994

    Google Scholar 

  16. M. Vetterii: “Wavelets and Filter Banks: Theory and Design”, IEEE Transactions on Signal Processing, Vol.40, pp. 2207–2231, 1992

    Article  Google Scholar 

  17. M. Werman, S. Peleg: “Min—max operators in texture analysis”. IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. PAMI–7 No. 4, 1985

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Zentrum für Graphische Datenverarbeitung e.V., Wilhelminenstraße 7, D-64283, Darmstadt, Deutschland

    Christoph Busch & Martin Schmerer

Authors
  1. Christoph Busch
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Martin Schmerer
    View author publications

    You can also search for this author in PubMed Google Scholar

Editor information

Editors and Affiliations

  1. Technische Fakultät, Universität Bielefeld, Postfach 10 01 31, D-33501, Bielefeld, Deutschland

    Gerhard Sagerer , Stefan Posch  & Franz Kummert ,  & 

Rights and permissions

Reprints and permissions

Copyright information

© 1995 Springer-Verlag Berlin Heidelberg

About this paper

Cite this paper

Busch, C., Schmerer, M. (1995). Ein Verfahren zur Texturanalyse basierend auf multiplen Waveletbasen. In: Sagerer, G., Posch, S., Kummert, F. (eds) Mustererkennung 1995. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-79980-8_66

Download citation

  • DOI: https://doi.org/10.1007/978-3-642-79980-8_66

  • Publisher Name: Springer, Berlin, Heidelberg

  • Print ISBN: 978-3-540-60293-4

  • Online ISBN: 978-3-642-79980-8

  • eBook Packages: Springer Book Archive

Publish with us

Policies and ethics

Search

Navigation