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。     

基于颜色模型和纹理特征的彩色水果图像分割方法

介绍了RGB和HIS两种颜色模型,采用色调值H和色差值R-G两个特征值,通过Otsu方法自动获取阈值对自然场景下彩色水果图像进行了分割,并对实验结果进行了对比.然后,利用灰度共生矩阵分析了果实和背景的纹理特征,找到了区别果实和背景的纹理特征参数,对果实和背景颜色相似的图像进行分割.实验结果证明,纹理特征和颜色特征两者相辅相成,优势互补,对于包含复杂背景的青苹果图像分割效果比较好.     

一种基于神经网络判断的印鉴自动鉴别新方法

印鉴鉴别是一个比较困难的课题,在文章中,分析了防伪印鉴的特点,从图像纹理和分析的角度出发,提出了一种基于印鉴边缘纹理的印鉴鉴别方法.主要包括印鉴图像的预处理,印鉴图像纹理特征的提取与选择及特征参数的分析比较.在此基础上,运用神经网络的判别方法对所提取的印鉴特征进行判别,以鉴别印鉴的真伪,该方法的算法简单,并经实验验证表明,该方法是从一种新的角度进行了印鉴鉴别,提出了鉴别印鉴的新途径.     

灰度共生矩阵与Sobel算子结合的图像检索方法

为了加快基于纹理的图像检索的速度，提出了一种灰度共生矩阵和Sobel算子结合的图像检索方法．该方法克服了灰度共生矩阵算法在表示纹理特征时计算量过大的缺点，又较好地保留了灰度共生矩阵算法的优点．实验结果表明，该方法取得了较好的检索效果．     

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。     

基于双树复小波和灰度共生矩阵的纹理图像检索

传统的DWT小波变换在提取图像纹理特征时存在震荡、平移变化、混频和缺乏方向性四种缺陷。为了克服这些缺陷,本文采用双树复小波变换对图像检索中的查询图像和目标图像进行分解,提取6个方向上的纹理特征,为了弥补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,又利用这两种图像的灰度共生矩阵提取4个统计量特征;最后用Canberra距离进行相似性度量并输出图像检索的结果。通过对Brodatz纹理图像库的各种纹理图像的检索实验表明,该方法对纹理图像有较好的检索效果。     

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%。     

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%.     

纹理图像多尺度灰度共生矩阵步长参数的研究

将小波变换多尺度理论用于分析确定共生矩阵最佳步长参数值,利用小波变换对原始图像进行分解,根据具体纹理图像,选择合适小波子图像(近似图像或其细节子图像)进行纹理分析,通过计算分解图像的纹理特征参数(对比度)确定最佳步长参数.当步长参数为最优值时,计算所得纹理特征参数值将处于周期极值位置,其利于纹理分析.相对于原始图像,分...     

基于小波变换的纹理图像融合

针对采集到的纹理图像无法呈现纹理物体的整体特征的缺陷，提出了一种新颖的图像融合算法.该
融合算法基于纹理图像的大部分纹理信息存在于高频子带中的特点，分别对两幅互补图像进行小波分解，
再对低频子带采用平均融合算子处理，然后对高频子带采用高斯 拉普拉斯算子提取局部边缘信息，以作
为融合规则，并根据两幅互补图像的相似度对高频子带加以融合.结果表明，该算法通过对多幅互补图像
的小波分解图像进行融合，使得融合后的图像内容清晰，纹理信息更加丰富，为后续的缺陷查找步骤提供
了准确的依据.     

一种新的纹理生成方法

纹理是真实感图像最重要的特征之一,在纺织图案、广告设计及建筑装潢等领域都起着非常重要的作用.在计算机图形学研究中,如何用计算机生成大量漂亮、逼真的纹理图案是一个非常有趣并富有挑战性的问题.本文基于矩阵变换算法提出了一种在计算机上生成多种复杂纹理的新方法.实验表明,该方法简单易行,能够快速地生成大量不同的纹理,且生成的纹理既十分漂亮又比较逼真.     

一种基于视觉感和特性及IFKCN的图象纹理分割方法

提出了一种基于视觉感知持性及改进的模糊Kohonen聚类网络的图象纹理分割方法,它由2D最佳正交极可分方向滤波器特征提取,特征图象的四叉树平滑,改进的模糊Kohonen聚类网络（IFKCN）特征聚类及边缘确定四部分组成。最后给出了实验结果。     

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．     

一种隐藏机密图像的新方法

提出了应用灰度变换差分替代方式进行图像隐藏的方法。该方法首先对机密图像和掩护图像进行灰度变换，然后利用变换后机密图像的象素灰度差值替代变换后掩护图像中相应的灰度差值，生成与掩护图像相似的用于隐藏机密图像数据的伪装图像。该方法生成的伪装图像具有较好的隐蔽性，有效地减小了传统方法生成的伪装图像与掩护图像的视觉差异。同时从伪装图像中恢复的机密图像保真度较高。仿真结果表明，该方法有效可行，在保证机密图像数据完整的前提下生成了比较逼真的伪装图像，伪装图像和恢复的机密图像均具有较高的峰值信噪比。     

基于DEA的加权灰色关联分析方法

提出了一种基于数据包络分析(DataEnvelopmentAnalysis,简记DEA)的新的加权灰色关联分析方法。该方法综合了DEA和灰色关联分析两种方法的优势,以灰色关联分析为中心模型,以DEA模型为辅助模型,通过DEA模型来确定每一个子因素各点关联系数的权重向量,从而计算出相对最优的关联度,实现对各因素客观的优先排序。基于DEA方法的加权灰色关联分析方法既克服了确定权重时的主观性,又通过"非均一"赋权达到了优先序评价的"最优性",从而实现了分析结果的"公正性"。最后通过绿色产品的评价实例说明了方法的有效性。     

基于物体分类的非变形纹理映射技术

基于物体发类展开的思想，提出了一种原理简单的非变纹理映射方法，该方法通过裁剪纹理图案使其所在的几何体状与要贴图物体的几何形状相类似，从而实现了从纹理空间到物体空间的非变形映射。     

基于GRA方法农民纯收入影响因素的实证分析

通过灰色关联分析法对影响农民纯收入的主要因素进行了定量分析.结果表明农村的机械化水平对提高农民的收入影响最大,其次是国家对农村的建设投资,而自然灾害对农民纯收入的影响退居最后,这也反映出了当今科技的发展进步,自然灾害已不在成为制约农民收入的主要影响因素.从而有利于从整体上把握农民纯收入的整体规律,做出正确的经济决策.     

浅析基于灰色关联分析的水利工程评标方法

引入灰色系统理论中的灰色关联分析法,通过建立灰色关联分析综合评标模型对投标方案进行优选,提高了优选的精确性和客观性,并通过实例说明应用灰色关联分析综合评标模型来解决投标决策问题是可行的。     

基于对称带状矩阵方程的配电网的潮流计算

依据实际配电网网络结构的特点,针对实际配电网辐射分支的结构,并在结合追赶法[1]的基础上,提出了一种针对一般配电网潮流的算法,该算法克服了牛顿-拉夫逊法雅克比矩阵条件数增大所导致的病态方程,以及收敛性差等缺点.     

一种基于共生矩阵的多分辨率纹理分割算法

当前常用的纹理特征描述方法多是以统计学为基础的,主要缺陷在于其纹理特征的提取尺度比较单一。为了弥补这个不足,本文提出了一种模型化了的统计的多分辨无监督纹理分割算法,并基于灰度层共生矩阵使之得以实现。实验结果表明在错误识别率上基于灰度层共生矩阵的一般的分割算法比本文所的述算法要高。