|
1.
|
灰度共生矩阵纹理特征提取的Matlab实现 被引次数：1
|
|
|
|
|
|
|
焦蓬蓬 郭依正 刘丽娟 卫星《计算机技术与发展》,2012年第11期
|
|
|
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。
|
|
2.
|
基于灰度共生矩阵的车刀车削工件表面纹理分析
|
|
|
|
|
|
|
魏建亮 邢济收《机械制造与自动化》,2009年第38卷第1期
|
|
|
通过对灰度共生矩阵的介绍,提出一种基于灰度共生矩阵提取纹理图像特征.对纹理学原理与其主要研究方法进行了分析,然后结合车削工件表面图像特征,研究了纹理学特征分析的经典方法--灰度共生矩阵法,并结合车削工件表面图像,分析了车削工件表面纹理在归一化灰度共生矩阵中所表现出的特点.
|
|
3.
|
基于灰度共生矩阵的木材纹理分类方法的研究 被引次数：24
|
|
|
|
|
|
|
白雪冰 王克奇 王辉《哈尔滨工业大学学报》,2005年第37卷第12期
|
|
|
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.
|
|
4.
|
基于灰度共生矩阵和聚类方法的木材缺陷识别
|
|
|
|
|
|
|
吴东洋 业宁 苏小青《计算机与数字工程》,2010年第38卷第11期
|
|
|
文章提出了一种新的基于灰度共生矩阵的木材纹理特征提取和聚类分析的木材缺陷识别方法。该方法基于灰度共生矩阵,提取5个具有代表性的纹理特征：能量（E）,惯性矩（I）,均值和（SOA）,聚类阴影（SOC）,方差和（SOV）,实现数据降维,对产生的特征数据集分别利用k-means算法及AP算法进行聚类,自动找出并正确标识木材表面缺陷位置,并对比分析不同木材表面缺陷类型识别效率。实验结果表明,该方法能快速有效地进行木材表面缺陷自动识别。
|
|
5.
|
基于GLCM算法的图像纹理特征分析 被引次数：3
|
|
|
|
|
|
|
陈美龙 戴声奎《通信技术》,2012年第2期
|
|
|
深入研究灰度共生矩阵(GLCM,Gray Level Co-occurrence Matrix)算法,说明基于灰度共生矩阵的14个纹理特征具体意义,指出纹理特征之间存在冗余性。通过对纹理图像的灰度共生矩阵的计算分析和纹理特征提取实验,表明灰度共生矩阵能够反应图像的特点,与纹理特征描述图像的特点相对应,同时,图像的14个纹理特征之间存在一定程度的冗余,实际中可以根据图像纹理特征的差异,选择几个显著的纹理特征对图像进行分类。纹理特征分析和实验结果对图像纹理特征的应用具有普遍的指导意义。
|
|
6.
|
基于灰度共生矩的SAR图像纹理特征提取方法
|
|
|
|
|
|
|
杨凯陟 程英蕾《电子科技》,2011年第24卷第11期
|
|
|
为更有效地提取合成孔径雷达（SAR）图像中的有效信息,提出了一种基于灰度共生矩阵的纹理特征提取方法。该方法在分析图像灰度共生矩常用特征描述量基础上,研究了窗口尺寸和位移向量对纹理特征的影响,通过比较不同目标各种纹理特征的分布及平均值的相差程度,计算了灰度共生矩阵的最佳窗口尺寸和位移向量,确定参与分类的可用纹理特征组合,给出了特征选择和提取方法。实验结果显示,该方法提取的特征具有较好的目标描述效果。
|
|
7.
|
基于主色共生矩阵法的数码迷彩纹理特征提取
|
|
|
|
|
|
|
卢军 李杨 赵康健 都思丹《计算机工程》,2011年第37卷第7期
|
|
|
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。
|
|
8.
|
基于灰度共生矩阵的图像纹理特征提取分析
|
|
|
|
|
|
|
李晓阳 唐普英《自动化信息》,2012年第9期
|
|
|
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。
|
|
9.
|
基于图像纹理特征的炮膛疵病检测方法
|
|
|
|
|
|
|
原瑞宏 刘军卿 董自卫 黄文胜 祝天宇《兵工自动化》,2012年第31卷第1期
|
|
|
为实现炮膛疵病的自动识别,提出提取炮膛疵病图像的纹理特征的方法。对若干类炮膛疵病特点进行分析,引用灰度共生三角阵的概念和灰度共生矩阵的熵、能量、对比度、相关度4个特征参量,提取图像的纹理特征。实验结果表明,该方法是有效的,能缩短计算时间,并充分反映图像的灰度空间信息。
|
|
10.
|
薄膜褶皱的纹理特征分析 被引次数：4
|
|
|
|
|
|
|
张腊梅 王国喜 庄雪晶《哈尔滨工业大学学报》,2006年第38卷第9期
|
|
|
用薄膜进行了褶皱实验,选取规则区域,利用灰度共生矩阵提取的纹理特征进行了褶皱的纹理分析.结果表明,利用灰度共生矩阵的纹理特征可以准确的判断褶皱的疏密程度和方向,实验结果与理论预测吻合.
|
|
11.
|
基于SVM的图像纹理特征分类研究 被引次数：2
|
|
|
|
|
|
|
汤井田 胡丹 龚智敏《计算机工程与科学》,2008年第30卷第8期
|
|
|
支持向量机(SVM)是一种表现卓越的分类方法,而灰度共生矩阵(GLCM)则是一种很好的纹理分析方法,故而本文提出了一种使用灰度共生矩阵进行特征提取的应用支持向量机的纹理特征分类法。实验结果表明,与直接应用灰度信息进行分类的支持向量机算法相比,本文方法可以取得更为准确的分类结果。
|
|
12.
|
遥感影像信息提取中纹理特征的应用
|
|
|
|
|
|
|
马宏韬《中国科技博览》,2010年第12期
|
|
|
本文简要介绍了基于灰度共生矩阵的纹理分析方法，并以一个农业县的CBERS-02 CCD影像为例，通过纹理分析方法对该地区的农作物种植区域进行提取，同时探讨了基于灰度共生矩阵的纹理分析方法中滤波窗口大小、特征波段等要素的确定方法。
|
|
13.
|
基于图像形状特征和纹理的中药材牡丹皮规格分类研究
|
|
|
|
|
|
|
孙慧婷 方晓 徐辉《黑龙江工程学院学报》,2019年第4期
|
|
|
首先研究傅里叶图像形状特征提取算法和灰度共生矩阵纹理特征提取算法;其次使用傅里叶图像形状特征提取算法对中药材牡丹皮图像的形状特征进行提取,并且用灰度共生矩阵纹理特征提取算法提取中药材牡丹皮图像纹理数据;最后运用DBT-SVM算法对两种融合数据进行分类,并分析权重、训练集和测试集占比对分类准确率的影响。实验结果优于传统的SVM算法。
|
|
14.
|
基于SVM的SAR图像分类研究 被引次数：5
|
|
|
|
|
|
|
汤井田 胡丹 龚智敏《遥感技术与应用》,2008年第23卷第3期
|
|
|
支持向量机(SVM)是一种卓越的分类方法,灰度共生矩阵(GLCM)则是一种很好的纹理分析方法,而纹理是合成孔径雷达(SAR)图像分类的一个重要特征,故而提出了一种使用灰度共生矩阵进行特征提取的应用支持向量的SAR图像分类法.实验结果证明了支持向量机算法的可行性和有效性.
|
|
15.
|
基于灰度共生矩阵的织物组织结构差异分析 被引次数：1
|
|
|
|
|
|
|
常利利 马俊 邓中民 蒋蕾《纺织学报》,2008年第29卷第10期
|
|
|
应用灰度共生矩阵分析不同织物组织结构的纹理特征差异。首先将图像的灰度级由256级降为16级以减少计算量;再通过计算图像的灰度共生矩阵选取由灰度共生矩阵衍生的能量、对比度、相关、熵和逆差矩5种特征值作为描述织物纹理的特征参数,并与实际织物纹理特征相比较。分析结果表明,该方法能够较好地提取平纹、斜纹和缎纹织物的纹理特征,可进一步实现织物纹理的分类。
|
|
16.
|
基于中值-游程共生矩阵的纹理特征提取
|
|
|
|
|
|
|
潘文卿 李毅《微计算机信息》,2007年第23卷第21期
|
|
|
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.
|
|
17.
|
基于纹理的SAR图像居民地信息提取
|
|
|
|
|
|
|
李海权 胡召玲 孙陟文 张国成《遥感信息》,2008年第2期
|
|
|
研究了利用纹理特征来实现居民地专题信息的提取.首先用增强FROST滤波算法对SAR图像进行去噪处理.然后基于灰度共生矩阵实现纹理特征的提取,结合实际现状筛选出较好的纹理特征图像.最后将各图像进行波段组合实现非监督分类.实验结果表明:基于纹理特征来提取SAR图像中的居民地信息是可行的,效果较理想.
|
|
18.
|
基于多分辨共生矩阵的纹理图像分类 被引次数：1
|
|
|
|
|
|
|
钟桦 杨晓鸣 焦李成《计算机研究与发展》,2011年第48卷第11期
|
|
|
共生矩阵是描述纹理特征的一种常用方法.首先提出一种新的特征提取算法——多分辨共生矩阵.多分辨共生矩阵是通过同时在非下采样小波变换的逼近子带和细节子带上提取共生矩阵来实现的,能够有机整合传统小波的多分辨特性和频谱信息,以及空域灰度共生矩阵的纹理结构信息.其次,分析了多分辨共生矩阵、灰度共生矩阵以及小波能量特征的物理意义,并从相关性出发提出了新的特征选择方法,有效地降低了特征维数.对标准纹理库的分类实验结果表明:多分辨共生特征对纹理具有更好的描述能力,其分类正确率超过小波能量特征、空域灰度共生特征:二者融合以及灰度梯度共生特征的结果;所提出的特征选择方法在降低特征维数的同时,能够保持分类正确率.
|
|
19.
|
成像测井图像纹理特征提取的统计方法研究 被引次数：1
|
|
|
|
|
|
|
王熊 张翔《石油天然气学报》,2012年第4期
|
|
|
纹理特征是利用成像测井图像进行岩性分析的一类重要特征,不同结构和构造的岩石,具有不同的矿物颗粒大小和矿物类型组合及排列形式,在电成像测井图像上就会显示不同的电阻率,反映在电成像图像上就是不同的图像纹理类型。基于灰度直方图、灰度差值直方图、灰度共生矩阵的统计方法,提取相应的纹理特征,通过相似距离法和交会图法对3种统计方法进行了对比分析。不同统计方法在火成岩电成像测井图像上的应用表明,基于灰度差值直方图的统计方法提取的纹理特征,在识别不同结构和构造的火成岩时具有最强的分辨能力,灰度共生矩阵的统计方法次之,灰度直方图的统计方法提取的纹理特征在火成岩的不同结构和构造上不具有差异性。
|
|
20.
|
基于特征级数据融合木材纹理分类的研究
|
|
|
|
|
|
|
王辉 杨林 丁金华《计算机工程与应用》,2010年第46卷第3期
|
|
|
为了提高对木材纹理识别的精度，提出了一种基于融合灰度共生矩阵与高斯-马尔可夫随机场纹理参数的特征级数据融合木材纹理模式识别方法。首先，分别获取了以上两种木材纹理特征参数；然后，使用模拟退火算法将两种不同类型的纹理特征量在特征层上进行了融合。利用融合后的特征对木材纹理样本进行识别，BP神经网络分类器的识别率达到97.00%，表明数据融合后的特征参数对木材纹理识别是十分有效的。
|
