基于类别共生矩阵的纹理疵点检测方法

根据有规则纹理的特点,提出了基于类别的共生矩阵来描述纹理特征,从而很好地将正常纹理与疵点区分开.分析了传统的灰度共生矩阵在计算纹理特征时计算量大,且分辨能力差的缺点.为了克服灰度共生矩阵在计算量和分辨能力上的缺点,定义了类别共生矩阵.在类别共生矩阵的算法中,首先学习纹理的一些基本特征以确定类别共生矩阵的一些关键参数,如纹理的概率密度分布、纹理的主方向和周期,以及分类准则等重要参数,然后计算类别共生矩阵并提取白疵点增强、黑疵点增强和一致度等三个特征,最后采用异常点检测的方法即可很好地区分正常纹理和疵点.实验证明,该方法比已有的灰度共生矩阵计算量小,并具有更突出的分辨纹理和疵点的能力.     

基于灰度共生矩阵和Mean Shift的目标跟踪算法

针对运用单一颜色特征描述运动目标时抗干扰性较差的问题,提出一种融合灰度共生矩阵和颜色特征的Mean-Shift目标跟踪算法.采用灰度共生矩阵推导的6个纹理特征参数和颜色特征分别表征跟踪目标,引入马氏距离计算纹理特征的相似度,并结合Bhattacharyya系数计算颜色特征的相似度,同时利用Mean Shift算法进行目标定位.实验表明,改进算法能在复杂背景下,有效、准确地实现目标跟踪.     

应用灰度共生矩阵的纹理特征描述的研究

研究一种基于灰度共生矩阵常规量度的纹理特征描述方法。在遥感图像上截取纹理均匀的小图像,进行各种变换,并应用Matlab软件求得其灰度共生矩阵与各个量度值。将已有灰度共生矩阵量度进行线性组合,针对不同样本借助测量平差的方法得出一个新的目标参量的线性表达式模型。选择能够识别样本纹理特征的线性组合形式计算其值。提取所需的纹理特征并用Matlab软件对图像进行计算验证结果。将此方法运用于遥感图像后,可区分出不同的纹理特征。     

基于纹理特征的回转窑熟料烧结状态分类

采用灰度共生矩阵方法,利用Fisher系数提取出最佳分类位置算子和纹理特征参数,通过对实际回转窑窑头熟料图像分析,发现位置算子为(5,-5)即距离为5、方向为45°下的灰度共生矩阵对应的和平均、逆差距、差异熵、对比度、差方差和熵这6个参数具有较好的区分度,其表面纹理特征能客观地反映其烧结程度,并通过基于C4.5算法实现了过烧、欠烧和正常烧结3种不同状态下的熟料纹理分类,其精度达到了95.65%.同时结合实际工况对熟料纹理进行了分析,给出了各自的变化特点.     

一种基于纹理和颜色的图像检索方法

为了减少构造灰度共生矩阵的计算量,应用Roberts算子对图像进行边缘检测,构造边缘图像的灰度共生矩阵.该方法克服了构造灰度共生矩阵的计算量过大的缺点,引入了色度矩描述的颜色特征,使检索结果更加符合人的视觉特点,并可以通过调整纹理和颜色特征的加权值来满足不同的检索需要.     

采用部分灰度压缩扩阶共生矩阵的煤和煤矸石图像识别

提出一种基于部分灰度压缩扩阶共生矩阵的煤和煤矸石图像识别方法.首先,对煤和煤矸石0~255级灰度图像的前部分灰度信息作灰度级压缩和灰度矩阵扩阶处理,对剩余灰度级部分保持原灰度级不变;然后,根据灰度共生矩阵纹理特征分析理论,分别计算压缩扩阶后的煤和煤矸石灰度图像的能量、熵、惯性矩及相关性.最后,对煤和煤矸石各100张样本采集图像进行处理,并依据特征参数分类识别.结果表明:基于部分灰度压缩扩阶共生矩阵的特征参数能够很好地对煤和煤矸石图像进行有效识别,总的正确率达到93.5%.     

基于复合超像素技术的肺部CT图像分割算法

基于肺部CT图像灰度不均匀、纹理变化大的特点,文章提出一种超像素与随机森林相结合的肺部CT图像分割算法。该算法首先采用阈值和形态滤波的方法对图像进行预处理;再通过TurboPixels算法将图像分割为超像素;然后运用灰度共生矩阵提取超像素的纹理特征,并融合灰度特征形成特征矩阵;最后基于特征矩阵和随机森林算法获取分割图像。实验结果表明,该文提出的分割算法对肺部CT图像处理具有一定的有效性,健康肺部图像的分割准确率为98.07%,病变图像的准确率为96.23%,且该算法具有全自动、高准确率、鲁棒性好等特点。     

基于灰度共生矩阵的高效积分图像计算(英文)

基于局部特征描述符的主要方法正在被用于纹理分类、目标检测和识别.灰度共生矩阵(GLCM)是一个体现纹理图像的很流行的方法,也被证明是一个非常强大的纹理分析工具.灰度共生矩阵所带来的子图像重叠非常严重,要花大量的时间去计算.本文提出一种高效灰度共生矩阵的计算方法,并通过实验结果来显示其效率.     

窗口条件对共生纹理在磨玻璃影自动识别中的影响

以肺部高分辨率CT(HRCT)为研究对象,探讨了常用的宽窄两种肺部CT窗口对共生纹理参数在磨玻璃影(GGO)自动识别中的影响.通过改变共生矩阵生成参数和窗口设置形成不同的初始特征集,用逐步判别法分别从中选出判别能力较强的若干特征,再由这些特征变量设计线性分类器,并用回代法和刀切法评估各分类器的性能.经比较发现,如果初始特征集只包含常用的6种共生纹理特征时,在窄窗条件下设计出的分类器对GGO的识别效果要优于宽窗条件下的;如果增加初始特征集维数,使其包含所有14个共生纹理参数时,窗口条件对分类器性能的影响可以忽略.     

基于多特征融合的图像检索方法

提出了一种综合颜色直方图和彩色共生矩阵相结合的彩色图像检索方法.首先,对彩色图像进行量化,并利用直方图计算图像之间的欧式距离;然后,利用彩色共生矩阵提取图像的纹理特征并计算图像之间的欧式距离;最后,利用综合加权的颜色特征和纹理特征实现图像检索.实验结果表明,与直方图和灰度共生矩阵相比,该方法能较好地满足用户需求,具有较高的检索性能.     

基于多特征融合的图像检索方法

提出了一种综合颜色直方图和彩色共生矩阵相结合的彩色图像检索方法.首先,对彩色图像进行量化,并利用直方图计算图像之间的欧式距离;然后,利用彩色共生矩阵提取图像的纹理特征并计算图像之间的欧式距离;最后,利用综合加权的颜色特征和纹理特征实现图像检索.实验结果表明,与直方图和灰度共生矩阵相比,该方法能较好地满足用户需求,具有较高的检索性能.     

基于颜色纹理和形状特征相结合的图像检索系统

灰度共生矩阵是一种有效的纹理图像分析方法,为了更有效地进行图像检索,定义了一种新型的灰度共生矩阵描述子,该矩阵描述子能够有效结合颜色、纹理和形状特征,通过描述像素的空间相关性来进行基于内容的图像检索. 利用该矩阵描述子进行图像检索时,先在RGB颜色空间中计算彩色梯度,然后利用灰度共生矩阵来描述图像特征. 实验结果表明其检索性能优于传统的普通灰度共生矩阵.     

基于区域三维纹理特征的路面抗滑性能评估

为实现路面抗滑性能非接触式测量,提出应用新型区域三维纹理特征来表征沥青路面形貌构造并评估路面抗滑性能.使用便携式高分辨率三维激光扫描仪采集不同类型沥青路面纹理数据,同时使用动态摩擦系数测试仪采集其路面抗滑性能数据,并分别使用70和15 km/h时的动态摩擦系数值代表高速与低速状态下的路面抗滑性能.通过相关性分析和多元线性回归,发现路面抗滑性能与多个区域三维纹理特征参数的共同作用有关.建立前馈神经网络预测模型,使用多个区域三维纹理特征参数预测高速与低速状态下的路面抗滑性能.结果表明,区域三维纹理特征参数对动态摩擦系数测试仪在70 km/h时测得的路面抗滑性能预测能力为77%,对15 km/h时测得的路面抗滑性能预测能力为69%,证实了区域三维纹理特征参数与路面抗滑性能之间存在非线性联系.     

灰度共生矩阵在三维模型检索中的应用

现有的提取三维模型特征描述符的各类方法需要较大的计算量并且匹配效果不理想,故此,提出了一种基于模型深度图像利用灰度共生矩阵进行三维模型特征提取的方法。首先从模型的6个方向提取深度信息作为灰度值以获取不同方向的投影视图,并利用灰度共生矩阵的纹理特征提取模型特征,同时,基于视图的空间相关性利用左手法则以降低视图间的相似性匹配次数,从而在降低计算量的同时方便对模型相似性匹配计算。最后通过普林斯顿三维模型库对算法进行统计分析,实验结果表明,本文提出的方法有效地提高了三维模型的检索性能,使三维模型检索的查全率和查准率均得到了提高。     

人工神经网络和图像纹理特征提取在肿瘤鉴别诊断中的应用

为了探讨人工神经网络和图像纹理特征提取在肿瘤鉴别诊断中的应用;采用了收集病例资料并对其进行处理,以及提取相关医学图像纹理特征指标的方法;根据整理的病人相关临床检查指标、CT图像有特征性的指标、利用灰度共生矩阵提取的肿瘤CT图像纹理特征指标,得出了建立应用于肿瘤鉴别诊断的人工神经网络模型的结果;进一步得出结论:人工神经网络和图像纹理特征提取可以应用于肿瘤的鉴别诊断.     

表面纹理的参数评定研究

针对表面纹理的参数评定问题,提出了表面纹理可以从纹理图案和纹理粗糙度两方面入手加以评定的观点。重点探讨了运用三维粗糙度的几项特征参数定量地评定表面纹理问题,介绍了特征参数的计算原理,测量方法,并且对所测的数据进行了统计分析,拟定了部分纹理的参数标准,验证了采用特征参数评定表面纹理的可行性。     

表面纹理的参数评定研究

针对表面纹理的参数评定问题,提出了表面纹理可以从纹理图案和纹理粗糙度两方面入手加以评定的观点．重点探讨了运用三维粗糙度的几项特征参数定量地评定表面纹理问题．介绍了特征参数的计算原理、测量方法,并且对所测的数据进行了统计分析,拟定了部分纹理的参数标准,验证了采用特征参数评定表面纹理的可行性     

一种基于纹理特征的图像检索方法的实现

对图像纹理特征进行了研究,采用改进的共生矩阵算法来提取纹理特征.在此基础上,通过高斯归一化法用纹理特征作为图像检索特征,给出了利用该特征的图像检索算法.从实验结果可以看出,对于具有明显的纹理特征的图像数据库利用改进的共生矩阵提取算法具有较好的检索性能,可以得到较好的检索效果.     

基于灰度共生矩阵和BP神经网络集成的纹理图像分类

通过对灰度共生矩阵的分析,提取图像的纹理特征参数,并用BP神经网络集成的方法对Brodatz纹理库图像进行分类,仿真结果显示,其分类效果优于单一的BP神经网络,可有效提高分类识别率。     

基于图像处理技术与Android手机的小麦病害诊断系统

为了智能化农业的发展,提高农作物病害诊断水平,及时采取防治措施,提出一种基于图像处理技术与Android手机的病害智能诊断系统的设计方法.系统不受时间和地域限制,用户可以在具备网络覆盖的地方将采集到的病害图片发送至服务器端.服务器端接收到病害图片后,在HSI(horizintal situtation indicator)颜色空间对病害图像分割,利用颜色矩和灰度共生矩阵来提取病害颜色和纹理特征参数,并将优选的特征参数输入支持向量机识别,识别结果反馈给客户端.实验结果表明:该系统可以准确高效地识别出病害种类,有较强的实用性和推广应用前景.