共查询到10条相似文献,搜索用时 31 毫秒
1.
于国防 《中国图象图形学报》2012,17(8):966-970
为了有效提高共生矩阵惯性矩在图像纹理分析及检索中的作用,在常规纹理分析方法的基础上,研究了一种基于间隔灰度压缩的扩阶共生矩阵惯性矩。该方法采用对原图像的灰度信息进行部分压缩和部分保留的综合处理方式,并通过矩阵的扩阶提取未压缩的灰度信息,达到灰度信息随机与有序兼容利用的效果。实验结果表明,该算法比基于图像全局灰度压缩的常规共生矩阵惯性矩具有更大的目标类型区分度,其目标区分正确率大于82%,也更容易设置相应的区分阈值,而且具有较高的图像分析实时性。 相似文献
2.
3.
基于广义图像灰度共生矩阵的图像检索方法 总被引:9,自引:0,他引:9
当图像发生旋转或大小改变显著时,用已有的基于灰度共生矩阵的图像检索方法,不能很好地给出检索结果,在此基础上,该文提出一种基于广义图像灰度共生矩阵的图像检索方法。该方法将原图像作平滑处理得到平滑图像,然后将原图像和平滑图像组合起来得到广义图像灰度共生矩阵,提取该矩阵的统计特征量后,将其组成向量并归一化后用于检索。该方法引入了图像的空间信息,对于图像旋转和尺寸变化均不敏感。实验结果与性能比较表明,新方法的效果优于单纯的灰度共生矩阵法。 相似文献
4.
5.
大脑肿瘤分割对于医师判断肿瘤恶化程度非常重要。然而,由于肿瘤的不规则形状、与周围组织的低对比度以及出现位置的不固定,给脑肿瘤的精确分割带来很大的困难。传统的K-means分割方法仅仅利用图像的灰度特征,很难准确分割肿瘤边界。利用灰度共生矩阵提取出的纹理特征,并结合图像几何不变矩特征对分割出的脑肿瘤图像进行特征提取。灰度共生矩阵定义为像素对的联合概率分布,是一个对称矩阵,它不仅反映图像灰度在相邻的方向、相邻间隔、变化幅度的综合信息,也反映了相同的灰度级像素之间的位置分布特征,是计算纹理特征的基础;几何矩(不变矩)具有旋转、平移、尺度等特性,能将图像分解为有限特征值,并且通过对比所提取出的同一病人的肿瘤图像的不变矩参数,可以获得该肿瘤几何形状变化程度。实验结果表明,该方法可以同时从纹理和几何特征对图像特征进行描述,与分别采用灰度共生矩阵和不变矩方法进行特征提取相比较,降低了算法计算量,同时提升了算法的抗噪性。 相似文献
6.
提出了一种基于中值-游程共生矩阵模型的纹理特征提取方法.该方法利用了图像的灰度信息和等灰度游程长度信息,通过计算图像的中值矩阵和游程矩阵,从而计算出中值-游程共生矩阵,来提取图像的特征.仿真结果表明,该方法能有效地分割出纹理图像上区域特性不同的纹理,且分割效果优于等灰度游程矩阵和灰度共生矩阵. 相似文献
7.
基于分块颜色矩和灰度共生矩阵的图像检索 总被引:2,自引:0,他引:2
颜色和纹理是描述图像内容的两个重要视觉特征,提出了一种基于分块颜色矩和灰度共生矩阵相结合的图像检索方法。根据图像背景内容的差异,将图像分成大小相等的子块,通过HSV颜色空间非均匀量化,计算子块的颜色矩来描述图像的局部颜色特征。整体图像采用灰度共生矩阵作为其纹理特征。结合两者采用加权欧式距离计算图像相似度,从实验结果中得出该检索方法的有效性。 相似文献
8.
9.
在对纹理图像进行分类识别过程中,许多具有相同纹理特性的不同图像经常在方向上呈现多样性。这些图像应该被归为一类。针对这一问题,有许多方法可以得到旋转不变性特征,例如:几何矩,正交矩,灰度共生矩阵等,然而,前两种方法计算量很大,第三种方法效果也不令人满意。提出了一种基于灰度-梯度共生矩阵的方法来得到旋转不变特征量,并且提出了一种快速计算灰度-梯度共生矩阵的算法。实验表明利用灰度-梯度共生矩阵的方法得到旋转不变量的方法非常有效,快速计算灰度-梯度共生矩阵的算法也大大减小了计算量。 相似文献
10.
基于Gabor变换和灰度梯度共生矩阵的超声无损测温研究 总被引:1,自引:0,他引:1
提出了一种基于Gabor变换和灰度梯度共生矩阵(CMGG)的超声无损测温方法.通过高强度聚焦超声(HIFU)对新鲜离体猪肉组织进行辐照,实时获取辐照前后的超声图像,对其做数字减影和Gabor滤波,提取归一化后灰度梯度共生矩阵的二阶参数梯度平均、混合熵和逆差矩作为温度的表征参数.实验结果表明:Gabor滤波后的灰度-梯度共生矩阵的二阶参数梯度平均、混合熵和逆差矩与温度的相关系数分别达到0.9804、0.9854和-0.9644,优于传统的灰度均值法和实值Gabor系数法.Gabor滤波后的灰度-梯度共生矩阵的二阶参数混合熵在37℃~55℃能较好地反映温度变化信息,梯度平均则在55℃~85 ℃有更好的测温效果. 相似文献