提取圖像紋理特征——灰度共生矩陣-資料下載頁
2025-06-19 22:28本頁面
【正文】 像的變換，將灰度變換后的圖像輸入給灰度共生矩陣的處理程序，從而得到輸出的四個不同的灰度矩陣，獲得圖像表面的四個不同矩陣的特征量，方向分別取0度、45度、90度、135度。得到各個方向的能量、熵、慣性矩和相關性的值，從而得到圖像變化幅度和局部領域的綜合信息。 6結論 由上述分析可知計算LLCM時要考慮四個變量，計算窗口大小N，圖像灰度級L，方向e和距離d(1)對于計算窗口N的選取，不宜過大或過小，過大將導致計算和存儲量大，但過小又導致不能包含完整的紋理信息。一般而言，當圖像大小確定后，計算窗口就隨之確定，除非對圖像分塊處理或者確定圖像的ROI (Region Of Interest)區(qū)域后再提取CLCMo(2)對于灰度級L的選取，灰度級決定了LLCM的計算規(guī)模，降低灰度級可以提高計算速度和減少存儲空間需求，且適當降低灰度級還可以減少噪聲對圖像的影響，但過小的灰度級會破壞有用紋理的成分。(3)對于距離d的選擇，共生矩陣在精細紋理中隨距離而快速變化，而在粗糙紋理中隨距離則變化緩慢。一般而言，對于平滑紋理用較大的距離，對于粗糙紋理用較小的距離會取得較好的效果。(4)對于方向e的選擇，一般有四種取值0,40,90,130，通過不同e可以考察不同的紋理，不同e生成的共生矩陣中包含不同的紋理信息，一般而言，在考慮方向時，往往是分別計算四個方向灰度共生矩陣所確定的紋理特征值，然后以各方向特征值的均值作為最終紋理分量?；诨叶裙采仃嚨募y理特征提取是分析圖像紋理的有利工具，文中對灰度共生矩陣紋理特征提取的研究進展做了分類，給出了基于Matlab的簡便實現(xiàn)代碼，分析了共生矩陣各個構造參數(shù)對構造共生矩陣的影響。分析結果對減少灰度共生矩陣的計算量、合理選取計算共生矩陣時的構造參數(shù)、優(yōu)化基于灰度共生矩陣的圖像紋理特征提取等均有重要參考意義。參考文獻[1] [D].鎮(zhèn)江江蘇大學，2007:156257[2] Haralick R M, Shanmn}am K, DinsLein I. Texture feature for image classification[j].IEEE Transactions on Systems:186298[3] 余麗萍，黎明，楊小芹，[J].計算機仿真，2010 , 27 (4 ) :224227[4] 苑麗紅，付麗，楊勇，[J].計算機應用，2009 29 ( 4 ) : 10181021[5] Equitz W, Niblack W. Retrieving Images Irom a Database Using Texturealgorithms from the QBIC System [R].[s. 1.]:[s. n]，1994:245365[6] [D].西安:西安電子科技大學，2010:156245[7] 焦蓬蓬，[J].計算機工程與應用，2010,46 (6) :217220.[8] 姜鶴，[J].計算機技術與發(fā)展，2010,20 (3) :1719.[9] [D].成都:電子科技大學，2009:45186 18
環(huán)評公示相關推薦
鄂ICP備17016276號-1