基于灰度共生矩阵的纹理特征提取①

纹理广泛存在于自然界中,是物体表面最本质的属性。纹理分析技术一直是热门的研究领域,纹理特征提取作为纹理分析的首要任务更是人们研究的焦点。针对五种木材纹理提出了用灰度共生矩阵的方法提取纹理特征,通过MATLAB仿真实现,结果表明由灰度共生矩阵产生的四个纹理特征能有效的描述木材的纹理特征,具有较好的鉴别能力。     

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。     

基于纹理特征提取的图像分类方法研究及系统实现*

深入研究灰度共生矩阵算法,结合和差统计法对其进行改进。编码实现改进的图像纹理提取算法,并采用基于径向基内积函数内核的支持向量机方法对图像分类效果进行实验。通过训练和测试证明,该系统能减少特征提取的计算时间和存储空间,并可达到良好的图像分类效果     

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SVM的图像纹理特征分类研究

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。     

煤与矸石图像纹理特征提取方法

针对现有煤与矸石图像处理方法存在提取特征参数少、识别精度低等问题,提出了一种融合局部二值模式和灰度共生矩阵的煤与矸石图像纹理特征提取方法。首先将煤与矸石预处理后的图像转换为局部二值模式图像,再利用该图像生成灰度共生矩阵,以角二阶距、相关性、对比度和熵作为纹理特征进行均值和归一化处理,最后用支持向量机进行训练,得出识别结果。实验结果表明,该方法能够有效地提取到煤与矸石图像的纹理特征,煤和矸石的识别率分别为94%和96%。     

基于灰度差分统计的火焰图像纹理特征提取

转炉吹炼过程中,炉口火焰的纹理粗糙度与吹炼所处的阶段有密切的联系.在不同的吹炼阶段,火焰纹理呈现较明显的变化,因此该特征可以作为转炉终点识别系统的重要参数之一,目的是从火焰图像中提取出描述纹理复杂度特征的描述子,进而区分出不同的吹炼阶段.提出基于灰度差分统计的火焰纹粗糙度提取方法,首先对原始火焰图像做去噪、分割、灰度转换的预处理,然后计算灰度差分直方图,在此基础上对比各种特征描述子表述粗糙度的效果.结果表明,和灰度共生矩阵方法的能量特征值相比,灰度差分统计方法中的角度方向二阶矩描述子对不同纹理所处的吹炼时期具有较高的识别率,且具有较快的识别速度,该特征描述子能作为重要的特征参数之一用于实际的转炉吹炼终点判断识别系统中.     

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。     

图像纹理特征提取方法综述

纹理是一种重要的视觉线索,是图像中普遍存在而又难以描述的特征。纹理分类与分割是图像处理领域一个经久不衰的热点研究领域,纹理特征提取作为纹理分类与分割的首要问题,一直是人们关注的焦点,各种纹理特征提取方法层出不穷。在广泛文献调研的基础上,回顾了纹理特征提取方法的发展历程,分析了其研究现状,对纹理特征提取方法进行了较为全面的综述,对其进行分类和比较,最后给出了纹理研究领域的主要发展趋势。     

轮胎纹理提取与缺陷检测方法

为提高检测的智能化水平,以常见的轮胎纹理缺陷为对象,给出2类基于模板的轮胎缺陷检测方法。第1类采用灰度共生矩阵和直方图统计距提取轮胎的纹理特征,第2类采用一维Gabor小波提取轮胎的纹理特征。通过提取并比对模板和待检图像的纹理特征,进行缺陷检测。实验结果表明,第2类检测方法在检测精度、检测缺陷种类等方面均优于第1类方法。     

基于分块主色调和纹理特征的彩色图像检索

提出一种基于分块主色调和纹理特征的彩色图像检索方法。该方法首先提取占彩色图像比重较大的前几种主色调,根据主色调将图像划分为不同分块,并以主色调作为各分块图像的颜色特征。然后,采用灰度共生矩阵算法,提取各分块的纹理特征。综合考虑各分块图像的颜色特征和纹理特征,从图像数据库中检索相似图像。实验结果表明,该方法具有较高的检索效率。     

纹理分析方法在TM图像信息提取中的应用

最大似然分类法是基于地物光谱信息的，因此无法正确区分光谱特征混淆的地物。本以北京丰台区为实验区，采用纹理分析方法对高分辨率图像的纹理信息进行分析，选取统计指标熵，通过确定熵的最佳阈值，进行边界匹配勾图像的分割，将光谱易混淆地物如菜地和耕地分割开来，并将此分割结果与TM图像分类结果进行叠合，得到最终的分类结果。实验结果表明：将纹理分析方法应用于图像分类中可区分光谱混合的地类，得到较好的分类结果。     

基于纹理分析的去图象噪声研究

针对中巴卫星高分辨率CCD相机接收影像存在明显的条带噪声,本文提出了基于纹理分析的去条带方法,即将图象上具有特定特征的噪声信息看作是某种对应的纹理特征,在基于纹理特征滤波法进行图象预处理的基础上,再用灰度共生矩阵法进行直方图平滑,以进一步消除局部噪声．     

基于多层理想滤波器的纹理特征提取方法

提出一种利用多层理想滤波器进行纹理特征提取的新方法,该方法克服了传统Gabor滤波器的带宽限制,避开了Gabor滤波器和Log Gabor滤波器构造过程中的复杂的参数计算,在保持同等性能的前提下,简化了问题。对多种纹理进行的特征提取和分割实验表明,该方法对纹理特征的捕获能力与Gabor、Log Gabor方法基本相当,提高了分割效率。     

一种基于概周期性的纹理图象分析及合成方法

文章对纹理合成中存在的合成时间过长、合成质量不理想的情况进行分析,发现了对一类具有视觉重复性的纹理,可以利用其本身的性质,加快纹理合成的速度,提高纹理合成的质量。通过对这类纹理特征的研究,引入了概周期纹理的概念,利用固定尺度滑动窗口的灰度距离对其概周期性进行度量,继而采用零搜索技术进行合成。实验证明,对于概周期性纹理,该文提出的算法使得纹理合成速度大大提高,合成质量同于甚至优于传统方法。     

纹理的标准性和强标准性纹理的快速识别及合成

分析了纹理合成中时间开销最大的匹配过程,发现了对一类具有特征任意匹配性纹理,可以大大降低匹配精度甚至忽略匹配过程,从而加快纹理生成速度．通过对这类纹理特性的概括,引入了纹理标准性概念,利用可变尺度滑动窗口的灰度距离对标准性进行度量;并结合大量统计结果,给出纹理标准性区分标准,对强标准性纹理使用低精度的匹配或零搜索来合成纹理．实验结果证明,文中对于强标准性的纹理区分可靠有效,生成纹理的速度大大提高,且质量无明显降低．     

基于图像纹理的沥青路面坑槽识别及提取*

针对现有基于视觉的坑槽检测方法仅侧重识别,提取精度不高的缺点,提出了一种综合利用坑槽灰度特征和纹理特征的坑槽识别及提取方法。图像二值化后,根据形状特征和标准偏差对坑槽进行定性识别和初始提取;对检测出含有坑槽的图像,利用灰度共生矩阵提取纹理特征,并利用主元分析法剔除冗余纹理特征,通过模糊C均值聚类算法将属于坑槽病害的纹理区域聚为一类,再叠加定性识别的初始提取结果,经形态学处理即可准确的提取坑槽病害区域。本文方法定性识别的召回率为90.0%,精确率为87.1%,准确率为92.2%,所提取的坑槽区域与原图像坑槽区域重叠度在在80%以上的图像比率为70.4%,在70%以上的比率为85.2%。结果表明,该方法对于存在裂缝、碎石、积水等复杂状况的路面,都可取得良好的坑槽识别和提取效果。