基于灰度共生矩阵的织物图像分析

以Matlab为研究工具,采用灰度共生矩阵算法,以织物纹理图像为研究对象,设计了基于灰度共生矩阵的织物图像程序,通过设置特征值分析织物图像中是否有疵点.仿真结果表明:不同的织物图像,选择合适的像素点对的方向、距离及灰度级是确定特征值的关键,也是准确地实现织物图像疵点检测的核心.     

基于灰度共生矩阵的火焰图像纹理特征分析

早期火灾是从无到有的发生发展过程,在这一过程中,火焰的纹理特征也会随之产生快速上升或下降,并出现大幅度抖动的现象.本文采用灰度共生矩阵分析法和MATLAB仿真工具,综合分析火焰以及台灯、目光灯、晃动的蜡烛等干扰物在能量、熵、惯性矩和局部平稳性四个主要方面的纹理特征,得到干扰物纹理特征与火焰纹理特征变化规律的异同,为进一步使用神经网络进行火灾图像探测时纹理特征参数判据的确定提供依据.     

基于灰度共生矩阵特征图像的织物疵点检测方法

提出一种由灰度共生矩阵生成相应特征图像的算法,进行了图像分割和织物疵点检测。先将织物疵点图像进行灰度级量化至16级,再提取0°,45°,90°,135°四个方向上的灰度共生矩阵,通过计算灰度共生矩阵中的熵、相关性、对比度、差异性、逆差矩共五种特征值并生成相应的特征图像,对常见的5种织物疵点进行了分割检测实验。实验结果证明基于灰度共生矩阵生成特征图像的检测算法是一种检测效果良好的疵点检测方法 。     

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。     

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。     

灰度共生矩阵在皮肤纹理检测中的应用研究

图像的纹理特征检测技术在互联网色情图像监测以及Web图像过滤等方面有着广泛的应用。通过阐述皮肤的纹理属性和纹理分析方法引出基于灰度共生矩阵的纹理检测技术,并且通过具体的实验给出了相关参数的取值,具体包括共生矩阵计算主要涉及的灰度级数和位移量,以及纹理特征度量值的选择。实验结果表明,反差和能量是区分皮肤区域和非皮肤区域的两个最佳纹理度量指标。     

基于灰度共生矩阵与反向投影的织物疵点检测

针对织物疵点检测,将灰度共生矩阵(Gray-level Co-occurrence Matrix,GLCM)与反向投影结合起来,提出了一种基于GLCM的反向投影方法(GLCM-BP);首先介绍了GLCM-BP的原理,然后给出了织物疵点检测流程,分析并优化了GLCM的距离d与灰度级N等参数,选择了相应的滤波与自适应阈值分割方法以检测疵点,同时给出了7种常见疵点的检测结果;最后将本文方法与GLCM方法作了检出率的比较;结果表明,提出的方法具有良好的疵点分割效果,可显著提高疵点检出率。     

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。     

灰度共生矩阵提取纹理特征的实验结果分析

为使灰度共生矩阵(GLCM)提取的特征值较好地表达纹理信息,对Brodatz纹理库图片进行了大量实验。首先测试了各构造参数对关键特征统计量的影响,给出了特征值随参数变化的规律,确立了构造参数的合理取值;然后测试了图像旋转和大小变化对所提取特征值的影响。实验结果对优化灰度共生矩阵的构造、实现基于纹理的图像检索有参考意义。     

基于灰度共生矩阵纹理特征的车型识别系统

针对车型识别技术在智能交通管理中存在的问题,提出基于灰度共生矩阵纹理特征的车型识别系统。该系统由车辆图像采集及预处理、车脸分割、纹理特征提取、最小距离分类器等组成。经过实验,该车型识别系统的准确率达到90%。     

基于灰度共生矩阵的帘子布疵点检测研究

详细介绍了灰度共生矩阵的原理,讨论了帘子布的灰度共生矩阵像素点对方向、距离以及图像灰度等级对灰度共生矩阵的影响,确定了区分正常帘子布与带疵点帘子布的灰度共生矩阵的构造方法。对正常帘子布图像进行了纹理分析、特征参数统计,确定了正常帘子布像素方向、像素距离以及图像灰度等级。实验结果表明,按照上述规则生成的四个灰度共生矩阵的特征参数,能够准确地判断帘子布图像是否存在疵点。     

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。     

基于改进的GLCM甲状腺纹理特征提取与分析

为了提高病变和正常的甲状腺核磁共振图像（MR）的分类准确率,提出了改进的窗口自适应灰度共生矩阵（Gray Level Co-occurrence Matrix,GLCM）纹理特征提取算法。采用基于统计的纹理特征GLCM算法提取感兴趣区域（ROIs）的纹理特征,由HOG特征启示,研究基于梯度信息的GLCM窗口自适应算法,考虑了梯度信息对GLCM中滑动窗口大小设置的影响,克服了传统方法的固定窗口对图像细节保留的影响,同时为了消除各向异性,取四个方向的共生矩阵的均值作为最终的共生矩阵,最后计算GLCM的相关、能量、对比、逆差矩和熵的均值和方差。对94幅甲状腺图像采用逻辑回归模型分析来预测分类准确度,结果显示,该方法优于其他的方法,对甲状腺图像诊断性能更好,预分类准确率达到96.8%,灵敏度97.90%,特异度95.7%,ROC曲线下面积（Area Under the Curve, AUC）为0.968。实验结果表明改进的GLCM能够有效辅助医生对甲状腺MR图像做出正确诊断。     

FFT和Hough变换在织物纹理方向检测上的应用

针对人工测量织物纹理方向的方法存在自动化程度低、精度不高的缺点,提出基于快速傅里叶变换和Hough变换的自动检测和识别织物经向、纬向、斜纹斜向的方法。对织物图像进行二值化处理,对二值化后的织物图像进行快速傅里叶变换得到功率谱图,对功率谱图的二值图像进行Hough变换,从而检测出织物纹理方向。通过对同一试样的不同放置方式进行测试,证明该方法对织物放置方式无特殊要求,仅需确保试样平摊在光滑台面上不受任何张力;将该方法与人工测试结果作对比,证明该方法具有高精度、高自动化的优点。     

GLCM based extraction of flame image texture features and KPCA-GLVQ recognition method for rotary kiln combustion working conditions

According to the pulverized coal combustion flame image texture features of the rotary-kiln oxide pellets sintering process,a combustion working condition recognition method based on the generalized learning vector(GLVQ) neural network is proposed.Firstly,the numerical flame image is analyzed to extract texture features,such as energy,entropy and inertia,based on grey-level co-occurrence matrix(GLCM) to provide qualitative information on the changes in the visual appearance of the flame.Then the kernel principal component analysis(KPCA) method is adopted to deduct the input vector with high dimensionality so as to reduce the GLVQ target dimension and network scale greatly.Finally,the GLVQ neural network is trained by using the normalized texture feature data.The test results show that the proposed KPCA-GLVQ classifer has an excellent performance on training speed and correct recognition rate,and it meets the requirement for real-time combustion working condition recognition for the rotary kiln process.     

LBP和Tamura纹理特征方法融合的织物疵点分类算法

为了找出织物在生产过程中易产生疵点的类型,并反馈到生产工序中以提高织物质量,提出一种基于局部二进制模式与Tamura纹理特征方法相结合的织物疵点分类算法。该算法主要完成的任务是对织物特征向量的提取,局部二进制模式从局部或像素邻域描述纹理的特征,Tamura纹理特征方法从全局描述疵点纹理特征,两者结合能更好地描述疵点纹理特征。完成特征向量提取后,选用共轭梯度BP算法来处理特征向量。共轭梯度BP算法收敛性较好,提高了训练速度和训练精度。实验结果表明,提出的算法对疵点分类具有较高的分类准确率。     

基于纹理周期性分析的织物疵点检测方法

根据织物图像纹理自身特点,从图像纹理的周期性这个重要的视觉特征入手,提出了基于纹理周期性分析的织物疵点检测方法。通过对大量不同疵点图像检测实验,证明提出方法对织物疵点检测具有较好的有效性和可靠性,而且具有检测的疵点种类多、实用性好的特点。     

Wavelet based methods on patterned fabric defect detection

The wavelet transform (WT) has been developed over 20 years and successfully applied in defect detection on plain (unpatterned) fabric. This paper is on the use of the wavelet transform to develop an automated visual inspection method for defect detection on patterned fabric. A method called direct thresholding (DT) based on WT detailed subimages has been developed. The golden image subtraction method (GIS) is also introduced. GIS is an efficient and fast method, which can segment out the defective regions on patterned fabric effectively. In this paper, the method of wavelet preprocessed golden image subtraction (WGIS) has been developed for defect detection on patterned fabric or repetitive patterned texture. This paper also presents a comparison of the three methods. It can be concluded that the WGIS method provides the best detection result. The overall detection success rate is 96.7% with 30 defect-free images and 30 defective patterned images for one common kind of patterned Jacquard fabric.     

基于纹理方向的图像修复算法

在使用基于样本的纹理合成技术的图像修复算法中,搜索纹理的匹配块时,利用纹理的方向特性,可以将搜索过程约束到沿着纹理的方向进行。在Criminisi A的算法基础上,加入了确定纹理方向过程,优化了纹理块的优先权和大小的计算方法。实验结果表明,该方法在处理强方向性的纹理图像的修复时有很好的效果,明显地提高了计算效率。