灰度共生矩阵纹理特征提取的Matlab实现

图像的特征提取是图像的识别和分类、基于内容的图像检索、图像数据挖掘等研究内容的基础性工作,其中图像的纹理特征对描述图像内容具有重要意义,纹理特征提取已成为目前图像领域研究的热点。文中深入研究了基于灰度共生矩阵（GLCM）的纹理特征提取方法,给出了基于Matlab的简便实现代码,分析了共生矩阵各个构造参数对构造共生矩阵的影响。分析结果对优化灰度共生矩阵的构造、实现基于灰度共生矩阵（GLCM）的特定图像的纹理特征提取等都具有重要参考意义。     

基于灰度共生矩阵的图像纹理特征提取分析

图像纹理作为一种重要的视觉手段,是图像中普遍存在而又难以描述的特征。目前常用的纹理特征提取的方法主要有统计方法、模型方法、信号处理方法和结构方法。灰度共生矩阵即为灰度级的空间相关矩阵,以其为基础的统计方法通过对矩阵统计量的求取较好地提取到了纹理特征,通过选取关键参数编程并进行仿真实现,分别求取了四个方向的灰度共生矩阵及其特征量来分析图像的纹理特征。     

基于灰度共生矩阵的织物纹理分析

以一种常见的织物纹理为对象,采用灰度共生矩阵的方法进行纹理分析.介绍了灰度共生矩阵的原理及其特征参数,讨论了纹理的灰度共生矩阵特征参数、像素距离以及图像灰度等级对灰度共生矩阵的影响,确定了区分此类正常织物与带疵点织物纹理的灰度共生矩阵构造方法.针对该类正常织物图像进行纹理分析,特征参数值统计,确定了正常织物纹理像素方向、像素距离以及图像灰度等级.取原始织物图像尺寸为128×128,生成灰度共生矩阵的最佳像素距离为2,经直方图均衡化后,最佳灰度等级为16.实验结果表明,按照该规则生成的6个灰度共生矩阵的特征参数,能够准确的判断此类织物图像是否存在疵点.     

基于灰度共生矩阵的火焰图像纹理特征分析

早期火灾是从无到有的发生发展过程,在这一过程中,火焰的纹理特征也会随之产生快速上升或下降,并出现大幅度抖动的现象.本文采用灰度共生矩阵分析法和MATLAB仿真工具,综合分析火焰以及台灯、目光灯、晃动的蜡烛等干扰物在能量、熵、惯性矩和局部平稳性四个主要方面的纹理特征,得到干扰物纹理特征与火焰纹理特征变化规律的异同,为进一步使用神经网络进行火灾图像探测时纹理特征参数判据的确定提供依据.     

基于综合灰度共生矩阵的显微细胞图像纹理研究

灰度共生矩阵法是图像纹理分析中一种十分重要的方法。由于受到方向性和细胞本身特性的影响,传统的灰度共生矩阵法不能完整描述显微细胞图像的纹理,运用综合灰度共生矩阵可以有效地解决这个问题。根据显微细胞图像特点,计算出6个由综合灰度共生矩阵导出的纹理特征参数,并对它们进行归一化处理。通过分析这些归一化纹理特征值,可以对细胞图像中各种细胞成分进行分类描述。     

基于灰度共生矩阵纹理特征的车型识别系统

针对车型识别技术在智能交通管理中存在的问题,提出基于灰度共生矩阵纹理特征的车型识别系统。该系统由车辆图像采集及预处理、车脸分割、纹理特征提取、最小距离分类器等组成。经过实验,该车型识别系统的准确率达到90%。     

基于主色共生矩阵法的数码迷彩纹理特征提取

提出一种基于主色共生矩阵法的数码迷彩纹理特征提取方法.对RWM的主色提取法和灰度共生矩阵法进行改进与综合,在RWM法中增加比例因子避免主要颜色提取错误,在灰度共生矩阵法中增加颜色因子,综合分析纹理特征.实验结果证明,采用主色共生矩阵法提取纹理特征,所设计的数码迷彩视觉伪装效果较好.     

灰度共生矩阵在皮肤纹理检测中的应用研究

图像的纹理特征检测技术在互联网色情图像监测以及Web图像过滤等方面有着广泛的应用。通过阐述皮肤的纹理属性和纹理分析方法引出基于灰度共生矩阵的纹理检测技术,并且通过具体的实验给出了相关参数的取值,具体包括共生矩阵计算主要涉及的灰度级数和位移量,以及纹理特征度量值的选择。实验结果表明,反差和能量是区分皮肤区域和非皮肤区域的两个最佳纹理度量指标。     

基于中值-游程共生矩阵的纹理特征提取

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.     

灰度共生矩阵检索纹理图像的算法研究

图像的特征提取和匹配是基于内容的图像检索技术的基础.针对典型纹理图像的检索问题,给出了共生矩阵特征统计量的合理提取方法.在此基础上,结合特征匹配技术实现了基于共生矩阵的纹理图像检索系统.测试了不同度量函数以及不同的特征统计组合对检索结果的影响.研究表明,提取共生矩阵的四参数,用加权街区距离进行图像匹配,可获得相对较好的检索效果.     

共生矩阵纹理特征的DSP优化实现

灰度共生矩阵纹理特征具有计算复杂、耗费时间等问题,严重影响了程序执行的效率。针对此问题,分析了共生矩阵纹理特征的原理,研究了TMS320C6678 DSP的结构性能,提出了基于共生矩阵纹理特征的存取带宽和软件流水的优化方法,在CCS5.3软件平台下选择TMS320C6678对其进行了程序实现,最后使程序执行时间从1.94 ms减少到0.259 ms。实验结果表明,提出的优化方法能够缩减代码执行时间,提升代码性能,满足嵌入式图像处理系统的实际需要。     

Rotation-invariant texture features from the steered Hermite transform

We propose the steered Hermite transform to analyze and capture visual patterns from textures regardless their orientation. Visual texture information is locally described as one dimensional patterns by steering the Cartesian Hermite coefficients according to the energy direction; therefore, no predefined orientation selective filters are required. We evaluate classification accuracy of some texture features individually. During the training stage, a filter selection strategy based on the augmented variance ratio analysis of the training features is employed in order to determine the filters that provide better classification accuracy and reduce computational costs during the classification stage.     

局部傅里叶变换系数各阶矩的纹理鉴别性能分析

局部傅里叶变换（LFT）是一种重要的纹理特征提取方法.该文首先分析了LFT系数各阶矩的纹理鉴别性能,然后采用特征空间中由不同纹理形成的聚类之间的Fisher判据作为评价指标,研究了纹理特征的鉴别性能,并通过纹理分割实验来验证相关结论,从而使结论具有更高的可靠性.分析结果表明,纹理图像的LFT系数一般不服从正态分布,其偶数阶矩具有较好的纹理鉴别性能,而奇数阶矩的纹理鉴别性能则较差,由于以LFT系数的2、4、6阶矩作为纹理特征,其纹理鉴别性能和分割结果优于Yu Hui和Haralick提出的纹理特征,因此,建议选用LFT系数的各偶数阶矩作为纹理特征.     

基于Gabor局部相对特征的掌纹识别

Gabor变换是掌纹识别中提取纹理特征的一个重要工具,但其性能易受图像的变化以及不均衡噪声等因素影响,因此提出了一种基于Gabor局部相对特征的掌纹识别算法。该算法对原始图像进行微尺度不变Gabor滤波;结合分形学的思想,将滤波后的图像分成大小相等的子域,每个子域又分成多个相同的子块,计算每个子块与它所在子域的相对方差,将所有子块的相对方差排列组成表征图像的特征向量进行识别。该算法将微尺度不变与局部相对特性统一,所提取的特征对各种变化有很强的鲁棒性,提高了识别精度和效率。实验使用北京交通大学BJTU_PalmprintDB证明该算法的有效性。     

基于灰度共生矩阵的帘子布疵点检测研究

详细介绍了灰度共生矩阵的原理,讨论了帘子布的灰度共生矩阵像素点对方向、距离以及图像灰度等级对灰度共生矩阵的影响,确定了区分正常帘子布与带疵点帘子布的灰度共生矩阵的构造方法。对正常帘子布图像进行了纹理分析、特征参数统计,确定了正常帘子布像素方向、像素距离以及图像灰度等级。实验结果表明,按照上述规则生成的四个灰度共生矩阵的特征参数,能够准确地判断帘子布图像是否存在疵点。     

结合纹理分析和SVM的苹果梗蒂和缺陷识别方法

苹果梗蒂和缺陷的识别是苹果检测中的难点,两者的误分类会造成苹果等级的误判。提出了一种基于SVM的苹果梗蒂和缺陷识别方法,用Ostu算法进行区域分割,实现初始目标分割,再把目标区域的纹理特征作为支持向量机的输入向量,对其进行训练识别。用富士苹果进行实验,得到的平均识别正确率为90.7%。     

铜导线断裂痕迹形态的图像特征提取与分析

纹理是断口的重要特征,不同的断裂原因造成断口的纹理特征是不一样的,它提示了图像中亮度值空闻变化的重要信息。图像宏观上表现出来的是二雏特性,可以将其灰度变化看成是图像的第三维特征来进行研究,这个“第三维”的表现可以用图像的能量或者所舍信息量来表示。常用的图像纹理特征提取的方法有：统计法、利用空间自相关函数作纹理测度、频谱法、联合概率矩阵法、纹理的句法结构分析法。本文主要从频谱法和灰度共生矩阵法两个方面对4种不同原因造成的铜导线断口图像做纹理特征的提取与分析。     

基于特征加权的自然纹理FCM聚类分割算法

为了实现自然材质的纹理分割,根据自然纹理的弱规则性特点,提出一种由图像灰度值、灰度分布统计及图像纹理能量统计作为纹理表征的特征参数,并组成三维特征矢量以实现自然纹理分割的算法。考虑到样本不同特征值对分类的不同影响,算法中引入了特征加权的FCM模糊聚类方法以提高各特征参数在聚类约束力上的可控制性,从而实现纹理图像的更有效分割效果。实验证明,该方法简单高效、可控性强,对各种自然纹理图像具有较好的纹理分割效果。     

基于无人机图像分形特征的油松受灾级别判定

利用无人机采集油松样地图像,提取图像中的单株样本树图像,计算单株样本树图像的多个纹理特征值,对纹理特征值进行灾害分级,与地面基于失叶率调查的灾害分级进行比对,探索能准确描述油松受灾情况的无人机图像纹理特征,实验结果表明：受灾油松图像的三种分形特征,即分形维数、缝隙量及维数升降因子能较好地反应油松的失叶率状况,可作为油松受灾级别的图像判定特征,同时上述分形特征也适用于整块油松样地的受灾级别判定。