数字乳腺层析图像纹理特征联合提取与识别

为提高乳腺组织图像特征提取的正确率,结合灰度共生矩阵纹理特征与Tamura纹理特征,给出一种联合提取与识别算法。采用双边滤波、受约束限制自适应直方图均衡和L0梯度滤波,对数字乳腺层析图像进行预处理,滤除其噪声并提高对比度;同时考虑灰度共生矩阵与Tamura纹理特征,通过增加特征值维度,将两者融合入一个矩阵之中,并依据特征选择规则提取最适特征;用支持向量机对特征向量分类。与仅依赖其中一种纹理特征的提取算法相比,所给算法可提高特征提取与识别正确率,从而更好地实现图像分类。     

SAR图像纹理特征提取与分类研究

为了高精度地提取合成孔径雷达(SAR)图像中的有用信息,提出一种基于灰度共生矩阵的纹理特征辅助SAR图像分类方法,该方法选择的是在合适的窗口尺寸下能将各种地物类型区分开的最佳纹理特征组合.采用增强的Frost滤波法对SAR图像进行斑点噪声抑制,通过比较各典型地物基于灰度共生矩阵的纹理特征统计量,确定参与分类的最佳纹理特征组合、计算灰度共生矩阵的最佳窗口尺寸;采用主成分分析法去除各纹理特征之间的相关性,选择信息量大的2个主成分与图像的灰度共同组成3个波段的图像;最后采用最大似然分类法对该组合图像进行分类.结果表明:该方法提取出的纹理特征辅助SAR图像分类,比无纹理信息参与的SAR图像分类,其精度可提高11.20%.     

基于灰度共生矩阵的木材纹理分类方法的研究

为了对木材进行表面纹理分类,首先确定纹理的灰度共生矩阵描述参数、灰度共生矩阵的生成像素间距和灰度级数;求取分析了200个木材样本的纹理参数并输入给竞争神经网络进行分类验证.实验表明:1)以“角二阶矩”、“对比度”、“相关”、“熵”、“方差”、“逆差矩”作为描述木材纹理的特征参数是合适的.2)在比例为1∶1的512×512木材图像情况下,生成灰度共生矩阵的最佳像素间距为4,最佳图像灰度级数为128.3)木材纹理图像灰度共生矩阵的"角二阶矩"、"相关"和"熵"值最大的方向为纹理方向.4)竞争神经网络的分类正确率为88%.研究结论:按上述规则生成的6个灰度共生矩阵参数对描述木材表面纹理特征是有效的,据此对木材表面纹理分类是可行的.     

基于GLCM的脑部CT图像纹理特征提取方法研究

运用灰度共生矩阵视角下,在Matlab2010平台上研究正常脑部CT图像与异常脑部CT图像的纹理特征值即能量、对比度、逆差分矩、熵之间的差异。结果表明,除对比度特征值外,能量、逆差分矩、熵等3项图像纹理特征值均能有效地区分正、异常脑部CT图像。基于灰度共生矩阵的纹理特征提取方法,用于脑部CT图像模式识别分类特征的提取是可行的。     

基于LAB颜色距离的共生矩阵的纹理特征提取

针对光照对成像的影响,采用均值滤波抑制噪声对图像的干扰,从而达到减弱光照影响的目的.在此基础号,介绍了一种基于LAB颜色距离的共生矩阵提取颜色-纹理特征的图像分析方法.在灰度共生矩阵方法的基础上,发展出 LAB颜色距离的共生矩阵方法,解决了灰度共生矩阵方法不能有效处理彩色图像的缺陷,并从LAB颜色距离的共生矩阵中提取颜...     

一种基于主色调纹理的图像检索方法

基于主色调和共生矩阵的概念,提出并实现一种基于主色调纹理的图像检索方法.该方法根据用户所给目标图像的多种主色调,基于三种颜色分量和灰度分量的矩阵信息,提取图像的主色调共生矩阵纹理特征,并利用适用该特征的相似性度量函数实现基于内容的图像检索.     

分形和空间灰度共生矩阵联合评价断口形貌研究

为了全面描述断口形貌特征，采用分形和空间灰度共生矩阵结合的方法，对4个典型断口形貌进行定量分析．结果表明：分形维数与断口的粗糙度和复杂度相关；灰度共生矩阵的每一个二阶统计参数都可以精确地描述断口形貌的某一特征，具有较好的纹理表达能力；将灰度共生矩阵的二阶统计参数和分形维数相结合组成多维特征集可以较完整地描述断口图像的纹理特征．分形和空间灰度共生矩阵的联合评价方法，可望实现断口类型的自动分类识别，同时对处理其它纹理图像具有一定的借鉴作用．     

一种基于灰度共生矩阵的羊绒与羊毛识别方法

羊绒和羊毛非常相似,这两种纤维的鉴别一直是纺织工业的难题。经研究,一些学者提出了一种基于灰度共生矩阵的羊绒和羊毛的识别方法。该方法将纤维图像中的鳞片模式看作一种纹理,并使用灰度共生矩阵描述图像中的纹理特征。从每副纤维图像的灰度共生矩阵中提取了5个特征并使用支持向量机作为分类器进行有监督的分类识别。使用澳洲细羊毛和羊绒作为样本进行实验,识别率超过90%,实验证实了该方法的有效性。     

基于小波变换的木材表面纹理分类

以300个木材样本为对象,研究了基于多分辨率灰度共生矩阵参数的木材表面纹理的分类方法.以灰度共生矩阵特征参数的相关性为依据,确定以"角二阶矩"、"对比度"、"相关"、"方差"、"均值和"5个参数描述木材表面纹理.用sym let4小波对木材图像进行了2级分解,在小波重构域,以一级重构的水平细节h1、垂直细节v1、对角细节d1、二级重构的近似a2、水平细节h2、垂直细节v2、对角细节d2共7个图像的23个特征参数构成多尺度参数体系.以BP神经网络进行了纹理分类验证,正确率为94.0%,优于单分辨参数方法(87.5%).实验表明:多分辨参数可以更细致地描述木材的纹理特征,并能提高分类正确率.     

基于T-GLCM和Tamura融合特征的纹理材质分类

虚拟现实力触觉再现对于图像纹理特征提取的要求越来越高,纹理因素复杂且无规律,单一的纹理提取算法并不能准确地描述图像纹理的特点.因此提出基于GLCM(灰度共生矩阵)和Tamura融合特征的纹理材质分类算法.此外,本文对传统灰度共生矩阵GLCM进行优化,提出了改进的GLCM(T-GLCM)算子,提升了GLCM的旋转不变性并减少了大量的冗余信息.利用Tamura纹理特征对图像进行量化,然后将各特征区域量化后级联成一组特征向量,融合T-GLCM的纹理特征,通过支持向量机(SVM)对纹理材质进行分类.实验结果表明,相比传统纹理特征提取算法,本文算法具有更高的分类精度且鲁棒性更好.     

基于概率神经网络板材纹理分类识别的研究

为了实现对板材纹理识别的自动化,提出了一种基于概率神经网络的板材纹理分类识别方法。首先,获取板材的灰度共生矩阵特征参数,并进行特征选择。然后,根据研究对象设计PNN分类器,进行分类实验,识别率为88.00%。结果表明,该方法是有效的,用其对板材纹理进行分类是基本可行的。     

基于概率神经网络板材纹理分类识别的研究

为了实现对板材纹理识别的自动化,提出了一种基于概率神经网络的板材纹理分类识别方法。首先,获取板材的灰度共生矩阵特征参数,并进行特征选择。然后,根据研究对象设计PNN分类器,进行分类实验,识别率为88.00%。结果表明,该方法是有效的,用其对板材纹理进行分类是基本可行的。     

基于信息融合的遥感分类与回归分析研究

本文提出了组合纹理和光谱信息的遥感图像解译技术,将其运用于陆地水体的二元分类,目的是通过组合两种分析方法的优点,得到更好的解译结果。利用灰度共生矩阵来进行纹理分析,同时,红光和红外光谱分析的使用能够改善陆地和水体的分类边界。纹理分析和光谱特征的融合改进了两类标记的精确度。在此基础上,本文针对多光谱数据的特点提出了灰度级差联合概率矩阵（GLDAP）,利用提取的特征对多光谱高度数据进行了回归分析。     

基于深度学习特征融合的遥感图像场景分类应用

针对传统手工特征方法无法有效提取整体图像深层信息的问题,本文提出一种基于深度学习特征融合的场景分类新方法.利用灰度共生矩阵（GLCM）和局部二值模式（LBP）提取具有相关空间特性的纹理特征和局部纹理特征的浅层信息;通过基于AlexNet迁移学习网络提取图像的深层信息,在去除最后一层全连接层的同时加入一层256维的全连接层作为特征输出;将两种特征进行自适应融合,最终输入到网格搜索算法优化的支持向量机（GS-SVM）中对遥感图像进行场景分类识别.在公开数据集UC Merced的21类目标数据和RSSCN7的7类目标数据的实验结果表明,5次实验的平均准确率分别达94.77%和93.79%.该方法可有效提升遥感图像场景的分类精度.     

用变参数灰度共生矩阵提取新疆民间艺术图案纹理特征

为了较好地表达新疆民间艺术图案的纹理信息,选用可变参数的灰度共生矩阵提取其纹理特征。首先,在新疆民间艺术图案库上测试变参数对关键特征统计量的影响,并给出特征值与变参数之间的变化曲线,从而选定使纹理特征稳定的可变参数范围;然后,通过旋转、加噪、改变图像大小考虑算法的鲁棒性。本文的实验结果对新疆民间艺术图案的纹理特征提取具有参考价值。     

基于双谱识别和人工免疫网络的智能故障检测

针对故障诊断中人为评估振动谱图而导致诊断结果不稳定的情况,提出基于振动谱图模式识别的故障诊断方法,利用Hilbert包络分析和双谱分析的组合方法来提取振动信号的故障频率特征,进而采用双谱图的灰度共生矩阵（GLCM）及其特征统计量来表征故障特征.改进了人工免疫网络（AIN）分类算法,将特征统计量作为抗原,通过对抗原的学习训练,形成记忆抗体集;通过判断待检验抗原与记忆抗体的匹配程度,实现故障分类识别.滚动轴承故障诊断实践证明,人工免疫网络分类方法具有良好的适应性,取得了较BP神经网络更好的检测准确率.     

采用COLDIST色差的一种图像检索方法研究

在基于内容的图像检索方法中,颜色相似度的计算主要采用欧氏距离。然而,欧氏距离不符合人眼的色彩识别特征,导致检索准确率偏低。本文提出了一种采用COLDIST色差公式的组合特征检索方法。首先计算图像的颜色直方图作为颜色特征、灰度共生矩阵和灰度行程矩阵作为纹理特征、泽尼克矩作为形状特征。然后采用COLDIST色差公式计算颜色相似度,并结合纹理、形状特征的相似度计算图像相似度。利用图像数据库Corel10000对本文提出的方法进行仿真测试。结果表明该方法具有更好的检索性能,有效地提高了检索的准确率。