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。     

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.     

基于支持向量机的珍珠多特征分类方法

珍珠企业在珍珠分类的过程中需要同时考虑珍珠的形状、纹理和色泽等特征信息,传统珍珠分类方法只针对单一特征对其进行分类,因此提取珍珠的多个特征对其进行分类有着现实意义.在利用单目多视角摄像装置直接获取5个不同视角的珍珠表面图像并进行预处理之后,参考实际人工分类的步骤,用珍珠边缘轮廓得到其傅里叶级数的系数作为形状特征,并用灰度共生矩阵得到珍珠的全局纹理特征,此外还设计了一种新的局部纹理特征提取方法;通过从珍珠的多个视图中提取珍珠的形状特征、全局纹理特征和局部纹理特征,进而构建支持向量机分类器,实现二分类.实验结果表明:所提出的特征提取方法有效,在1100颗测试珍珠上分类精度达到85.73%.     

基于统计纹理特征的打印文档认证

为了解决计算机打印文档的自动鉴别,提出了一种基于中文汉字显微放大图像灰度共生矩阵统计纹理特征的打印文档鉴别算法.首先,从理论模型上分析了激光打印机传动系统对打印字符潜影的影响;接着对字符图像的22维灰度共生矩阵统计纹理特征进行计算,并利用ReliefF特征选择算法进行特征选择;最后提取显微字符图像激光扫描方向和纸张行进方向的灰度共生矩阵纹理特征并进行融合,利用最近邻和支持向量机2种分类器进行分类鉴别.在两种样本集上的实验结果表明:特征融合后的鉴别性能有所提高;支持向量机的分类鉴别性能优于最近邻分类器,在相同字无重复样本集上的分类准确率和平均召回率分别为96.5%和96.64%,在相同字有重复样本集上分类准确率和平均召回率分别为98%和98.18%;激光打印机品牌分类准确率为98%.上述的实验结果显示该方法具有良好的打印文档分类鉴别性能.     

基于改进纹理特征的现堪图像检索算法

针对灰度共生矩阵缺少图像纹理的整体空间分布特征与双树复小波变换对图像结构细节敏感的缺陷,提出一种融合图像空间分布与结构细节的纹理特征提取算法,应用于现堪图像检索。首先,利用灰度共生矩阵与双数复小波提取图像的纹理信息;然后,将图像均匀分块,分别计算各个块的角点疏密度和纹理细节特征并级联,以此组成图像的空间分布特征和结构细节特征;最后,对纹理信息融合图像的空间分布特征与结构细节特征,完成现堪图像的纹理特征提取。在现堪图库上的检索实验结果表明,该算法能更全面的描述图像的纹理内容,并且可有效提升现堪图像检索算法的检索准确率。     

基于内容的图像检索算法研究

随着计算机、网络以及多媒体技术的迅速发展和应用,数字图像的数量正以惊人的速度增长,基于内容的图像检索技术可以有效地解决从图像数据库中检索出相关图像的问题.[1]本文研究了颜色、纹理和形状三种特征提取算法,颜色特征提取采用颜色直方图和颜色矩特征算法,通过像素统计、多维矩阵运算量化图像颜色特征并进行图像匹配;纹理特征提取算法可通过图像灰度共生矩阵提取能量、熵、逆差矩等特征进行相关处理并检索;增加了基于形状的特征提取算法,将图像二值化后提取其Hu不变矩进行处理,其结果用于修正和优化颜色或纹理的检索结果.图像特征比对采用空间节点自适应处理后的欧氏距离进行运算.在VC中实现了基于内容的图像检索系统,能够自定义实现单一特征检索和综合多特征的联合检索,实现以图搜图的检索功能.     

一种新的纹理特征提取算法

为了提高纹理特征提取的效率,提出一种基于傅里叶变换的纹理特征提取算法。该算法先将图像进行傅里叶变换,然后把图像傅里叶域分割为12个扇形区域,提取扇形区域中的纹理特征,并使用Caneberra距离函数计算两幅图像的相似度。与现有算法相比,本算法对纹理特征提取具有较高的效率和准确率。     

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%.     

基于纹理特征的高分辨率遥感影像分类方法

灰度共生矩阵能较好反映影像灰度统计规律,小波变换能较好反映影像的多尺度特性,利用两者结合进行了纹理特征提取。将灰度共生矩阵和小波变换提取纹理特征作为分类特征向量,建立基于支持向量机分类模型对高分辨率遥感影像进行分类;在支持向量机参数优化问题上,利用遗传算法进行参数寻优,有效的避免多学习和欠学习状态的发生。分类实验结果表明了本方法的有效性。     

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。     

采用共生矩阵的纹理特征提取方法

共生矩阵是一种常用的纹理特征提取方法,针对其易受噪声和图像中实体方向变化的影响等问题,提出一种新型共生矩阵纹理特征提取方法.该方法将傅里叶变换应用于原始图像,利用频域信息确定显著方向集合,把共生矩阵方法应用于显著方向集合以提取纹理特征.在进行图像匹配时,先在显著方向集合间进行相似度计算,后在纹理特征向量间进行相似度计算,显著方向集合中元素的显著性作为权重被引入纹理特征向量间的计算.实验结果表明,与传统共生矩阵方法相比,该方法针对有向纹理和无向纹理均具有较好的性能.     

基于小波变换的肝脏CT图像分类

提出了一种基于小波变换的肝脏CT图像疾病的分类方法:首先提取小波和灰度共生矩阵纹理特征,其次结合马氏距离的可分性判据和遗传算法进行特征选择及优化,最后利用支持向量机将肝脏CT图像进行分类.讨论了2种小波以及特征提取方式对分类结果的影响,并通过软件仿真实现算法.实验表明:小波变换可对肝脏CT图像进行有效的分类.     

合成孔径雷达图像目标分类研究

基于灰度共生矩阵技术,研究了可用于合成孔径雷达图像分类的灰度共生矩阵中差方差、差熵、对比度、能量、方差等纹理特征量,分析了其特征提取和分类特性。运用类内类间距准则,通过计算图像特征值的类内类间距,得到对合成孔径雷达图像分辨效果较好的纹理特征量,并利用三层BP神经网络进行图像分类,获得了满意的分类结果。     

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.     

基于磁共振图像的脑瘤MGMT表达状况检测算法

针对脑胶质瘤的O6 甲基鸟嘌呤-DNA甲基转移酶(MGMT)表达状况检测受主观影响的问题,以中国脑胶质瘤患者的磁共振图像（MRI）为研究对象,提出一种包括特征提取、特征优化和模式分类的图像处理方法.利用图像的灰度共生矩阵、灰度 梯度共生矩阵和二维离散正交S变换(2D-DOST)提取肿瘤病变区域的纹理特征,结合环形增强和年龄特征构成初始特征集.将k最邻近法（KNN）与支持向量机（SVM）结合,进行特征优化.使用留一交叉检验法(LOOCV),将最优特征集进行SVM分类.分别对25位脑胶质瘤患者的T1加权、T1增强和FLAIR序列的磁共振图像进行分析.结果表明,该算法能够降低特征集的冗余程度,克服小样本分类困难,准确有效地检测MGMT表达状况.     

猪眼肌B超图像纹理特征提取与分类

提出了猪眼肌B超图像的纹理特征提取与分类方法,可以应用于猪眼肌肌内脂肪含量的计算机辅助检测判断。对猪眼肌B超图像特征区域采用基于纹理共生矩阵的算法提取了5种纹理特征量。使用相关性分析的方法对提取的5种特征量进行筛选,最后确定3种主要特征量反映猪眼肌B超图像纹理特征,并使用BP神经网络实现分类。对135组已测数据随机选取训练集合测试集。多次随机试验表明,所提取的算法达到了较高的分类准确率,为生猪肉质无损检测研究提供了有价值的参考。     

基于图像处理的钢帘线表面缺陷特征分析

首先对钢帘线材图像进行预处理,以减小或消除噪声的影响,然后对钢帘线图像进行了缺陷特征分析,运用经典的边缘提取算法提取线材的面积与周长等几何特征,运用灰度共生矩阵来提取线材的纹理特征等来判断钢帘线表面是否有缩颈或耳子等缺陷.实验结果表明了该特征提取算法的有效性和实用性.     

基于纹理与颜色特征融合的刑侦图像检索算法

针对刑侦图像检索,给出一种基于多方向多参数的灰度共生矩阵和HSV颜色矩的图像特征提取算法。计算刑侦图像8个方向上6个参数,共48个特征值来表示图像的纹理特征,分别计算图像H、S和V通道的一阶矩、二阶矩和三阶矩,作为图像的颜色特征,并将纹理特征和颜色特征进行融合以保证特征的全面性。对刑侦图像数据库进行检索试验,结果表明,相较于4参数的灰度共生矩阵法和小波变换融合颜色直方图检索方法,所给方法的各类图像查准率更高。以指纹类别为例,所给算法的查准率为68%,高于4参数灰度共生矩阵算法的49%,和小波变换融合颜色直方图检索算法的53%。     

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．     

基于多证据的血液白细胞自动分类

对白细胞分类方法提出了一种基于形状特征学习的分类算法.该算法首先从细胞核中提取基于欧氏距离变换的不变矩特征和形态学特征;然后,所提取的特征可以实现对单核细胞、淋巴细胞、嗜碱性粒细胞的分类;最后,提取灰度共生矩阵作为纹理特征,通过支持矢量机实现对剩余白细胞类别的分类.实验结果表明,该方法具有很好的分类准确率及较短的处理时间.