基于共生矩阵纹理特征提取的改进算法

深入研究灰度共生矩阵及其改进算法,针对其计算量大、耗时等问题,提出一种基于灰度共生混合结构和离散傅立叶变换的方法来实现纹理特征的提取.对傅立叶变换后的频谱图进行分块计算,以此降低计算时的灰度级,再采用正规化的方式减少特征的分布范围,并利用灰度共生混合结构算法计算一个5维的特征向量来描述图像的纹理.实验结果表明,改进后的...     

图像纹理特征新定义

为了更好地描述图像的纹理特征,定义了灰度-基元共生矩阵.该矩阵将描述纹理特征的统计方法和结构方法结合起来,描述图像的灰度分布情况,具有一定的旋转不变性.为了减少共生矩阵的计算量,采用了正规化处理方法.     

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GLCM和Gabor纹理特征的手势识别算法

针对手势灰度图像的纹理特征富含手势类别信息的特点,提出一种基于融合GLCM(灰度共生矩阵)和Gabor小波变换提取手势图像空、频域纹理特征的手势识别方法。构建手势灰度图像的多方向共生矩阵,并计算多方向共生矩阵的特征参数来提取手势纹理的GLCM特征;通过手势灰度图像的Gabor小波变换来提取手势纹理的Gabor特征;对所提取的两种特征进行归一化处理后串联构建手势纹理特征向量;使用基于稀疏自动编码器和softmax分类器的深度堆栈自编码网络对构建的手势纹理特征向量进行分类识别。实验表明:该方法具有较高的识别率和较好的鲁棒性,对15种手势的平均识别率达到97.4%,能够满足人机交互对手势识别的要求。     

基于综合特征的纹理分割方法

针对灰度共生矩阵只能在单一尺度对纹理进行分析的不足,结合离散框架小波变换产生的尺度共生矩阵与梯度变换图像的灰度共生矩阵,提出了一种具有多尺度分析特性的综合纹理特征提取算法,并利用该特征对纹理图像进行分割.仿真实验结果表明:与基于单一尺度特征的纹理分割方法相比,本文提出的算法能够提高纹理边界定位准确性,减少区域内像素错分,取得了较好的分割效果.     

基于TFBP网络的人脸皮肤纹理识别方法

为了可观地评价皮肤的质地,采用图像纹理分析中的空间灰度共生矩阵法提取皮肤纹理图像的重要特征,建立一种新的人脸皮肤纹理的测量识别模型.首先对采集到图像进行预处理,然后采用空间灰度共生矩阵法提取纹理图像的5个特征,最后通过TFBP网络对皮肤纹理图像的训练与分类识别实验结果很好的证明了这种纹理分析与测量方法的有效性.     

图像纹理分析的灰度-基元共生矩阵法

将描述纹理特征的统计方法和结构方法结合起来，提出灰度-基元共生矩阵，既能描述图像的灰度分布信息，又能表达局部细节。采用正规化处理，减少共生矩阵的计算量；将传统共生矩阵的一些特征如熵等引入基元一共生矩阵特征的计算，定义相应的特征向量。采用这种方法解决了单独使用某一方法的缺点，如计算量大、表达复杂、特征表达不够准确等。     

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。     

基于改进双树复小波和灰度-梯度共生矩阵的纹理图像检索算法

针对双树复小波变换缺少不同尺度纹理的空间分布特征的缺陷,提出了一种改进双树复小波和灰度-梯度共生矩阵相融合的纹理图像检索新算法。首先,该算法将图像进行非均匀分块,并对分块的图像进行双树复小波变换,以此增加不同尺度下的空间信息;其次,利用灰度-梯度共生矩阵提取4个统计量特征;然后, 融合 两种方法提取的纹理特征以得到图像检索的纹理特征;最后,用Canberra距离进行相似性度量并输出图像检索的结果。实验结果表明,该方法对纹理图像有较好的检索效果。     

基于灰度共生矩阵的金属断口图像的分类研究

灰度共生矩阵在图像的纹理分析中是一个很重要的方法,但是其参数的选择现在还没有确定的方法。论文计算了灰度共生矩阵的13个特征参数,根据不同步长、不同灰度压缩级时特征值的变化曲线确定步长和灰度级别,然后根据相关系数分析选择其中的7个特征,利用加权欧式距离分类器将金属断口图像分为4类。与常用的5个特征进行分类相比,根据该方法选择的7个特征分类效果明显更好。