基于T-GLCM和Tamura融合特征的纹理材质分类

虚拟现实力触觉再现对于图像纹理特征提取的要求越来越高,纹理因素复杂且无规律,单一的纹理提取算法并不能准确地描述图像纹理的特点.因此提出基于GLCM(灰度共生矩阵)和Tamura融合特征的纹理材质分类算法.此外,本文对传统灰度共生矩阵GLCM进行优化,提出了改进的GLCM(T-GLCM)算子,提升了GLCM的旋转不变性并减少了大量的冗余信息.利用Tamura纹理特征对图像进行量化,然后将各特征区域量化后级联成一组特征向量,融合T-GLCM的纹理特征,通过支持向量机(SVM)对纹理材质进行分类.实验结果表明,相比传统纹理特征提取算法,本文算法具有更高的分类精度且鲁棒性更好.

基于LBP-GLCM特征融合的烤烟油分等级预测模型

烤烟油分含量评价对烟叶等级的评判具有重要影响,为了对烤烟油分等级进行科学预测,创建烤烟微观纹理与油分含量的关系模型,论文以贵州安顺平坝烟区烤烟样品为研究对象,基于LBP—GLCM(融合灰度共生矩阵与局部二进制模式)特征融合提取烤烟表面纹理特征,结合BP人工神经网络模型,对烤烟油分等级进行预测。结果表明:采用LBP-GLCM算法结合BP神经网络对烤烟油分等级预测正确识别率为93.33%,模型相关系数为0.91486,可见该算法对于烤烟油分等级预测具有一定的优势。

基于改进GLCM和Tamura特征的工件表面粗糙度检测

由于使用图像法获得工件的单一纹理无法精确描述工件表面粗糙度,所以给出了通过改进GLCM(灰度共生矩阵)特征和Tamura特征的纹理提取算法,并通过建立纹理特征与表面粗糙度之间的模型关系定性评价工件表面粗糙度。首先对传统的GLCM加以修改,提出了增强的GLCM(ET-GLCM)算子,提升了GLCM的尺度不变性和旋转不变性,并经过对比实验证明ET-GLCM有较强的鲁棒特性;然后创建了支持向量机检测模型,测量不同粗糙度等级的工件表面图像。以工件表面图像的纹理特征参数为输入,对应的工件表面粗糙度Ra为期望输出,从而完成工件表面粗糙度的检测。通过实验验证支持向量机检测模型的有效性,其检测结果相对误差不超过5%,绝对误差小于0.06。根据仿真对比实验结果表明,提出的方法具有较高的检测精度,可用于工件表面的粗糙度检测。

一种结合Gabor滤波器与GLCM的盲道检测方法

基于颜色的盲道检测模型对城市中存在的与背景对比度低的盲道分割效果不太理想,针对这个问题,从盲道上特有的纹理着手,设计了一种基于盲道纹理特征的盲道检测算法。该算法通过经典的纹理特征提取方法Gabor滤波器组与灰度共生矩阵相结合对摄像头采集到的盲道图像进行处理,实现盲道本身存在的纹理特征的提取,然后经过模糊C均值聚类算法实现图像中盲道区域的分割。在城市中背景与盲道区域颜色相近环境中,与一些经典的基于颜色分割的盲道检测算法进行比较,提出的基于纹理的盲道检测算法能够有效实现对盲道区域的分割,分割结果较为准确,可以在经过改善后将其应用在视觉辅助导盲设备中,帮助盲人方便、快速地寻找更好的行进方向,极大地保证出行安全。

基于GLCM-HOG和WOA-ELM的往复压缩机气阀故障诊断方法

气阀是往复压缩机在工作过程中极易发生故障的部件。从气阀时频图分析的角度,提出了一种基于GLCM-HOG和WOA-ELM的往复压缩机气阀故障诊断方法。首先,通过小波变换对各运行状态气阀的振动信号进行处理,生成时频图;用GLCM和HOG分别提取气阀时频图特征,融合形成GLCM-HOG特征。然后,利用WOA方法对ELM模型的输入层节点权值和隐藏层节点阈值进行优化,构建气阀故障诊断模型。最后,将GLCM特征和GLCM-HOG特征分别输入到WOA-ELM模型中,来证明本文所提方法的有效性和优越性,从而实现往复压缩机气阀故障的诊断。实验结果表明:与GLCM特征相比,构造的GLCM-HOG特征更能准确全面地反映气阀时频图特征;与ELM模型相比,WOA-ELM模型诊断气阀故障的准确率更高。

基于LSP与GLCM方法的碎米识别特性研究

随着农业机械化的不断推进,稻米加工过程中的碎米率逐步上升,碎米的快速准确识别对于大米加工与分级等具有重要意义,高效碎米识别方法的建立与应用是提高碎米的利用价值的有效途径。以米粒为研究对象,采用计算机视觉技术提取米粒特征,实现碎米自动分类识别。首先对米粒图像预处理,提取4维形状特征,利用局部相似模式(LSP)和灰度共生矩阵(GLCM)提取米粒4维纹理特征,建立支持向量机(SVM)、线性判别分类器(LDA)、K近邻(KNN),随机森林(RF),4种机器学习方法训练碎米识别分类器进行分类识别,利用验证集数据分析各类分类器的性能特征。结果表明,基于纹理特征及形状特征的支持向量机分类器的碎米识别精度最高,正确率达到97.56%。

基于GLCM的SAR溢油纹理特征分析

溢油对海洋生态环境造成巨大的危害,溢油遥感监测已成为海洋遥感监测的主要内容,但由于在SAR图像上溢油的表现和其它海洋现象类似,难以区分油膜与类油膜,给遥感监测带来困难。本文以Envisat-ASAR为数据源,选择南海为例,采用GLCM方法对溢油的SAR纹理进行分析,计算海水与溢油的GLCM特征值,结果表明:采用变化、均值等特征对溢油的SAR纹理有很好的表现,从而为溢油信息的提取提供基础。

融合LBP与GLCM的人群密度分类算法

针对中高密度人群图像检测分类对公共安全的重要性,提出融合局部二值模式LBP与灰度共生矩阵GLCM特征提取的人群密度分类方法。首先用旋转不变的LBP算子进行滤波,得到LBP图像,然后提取滤波后图像的GLCM特征,这样既可以避免LBP算子特征降维带来的损失,又能充分利用LBP和GLCM纹理特征提取的有效性,最后采用有向无环图支持向量机DAGSVM进行密度分类。在Pets2009基准数据库中的实验结果显示该算法具有较高的准确率。

基于GLCM纹理特征的LiDAR点云建筑物自动提取

LiDAR技术可以快速获取高精度的地形表面三维点云数据。利用LiDAR点云进行建筑物自动提取时,有些建筑物与树木连在一起,有些区域还有大片树林,在此情况下,很难将二者区分开来。在没有其他辅助数据时,LiDAR点云中点的高程及其变化所表现出来的高程纹理特征是区分建筑物与树木的惟一可用特征。基于灰度级共生矩阵(gray level co-occurrence matrix,GLCM)的纹理特征是对物体表面纹理很好的描述,对上述纹理特征进行分类,可以区分建筑物与树木。介绍基于GLCM纹理特征的Li-DAR点云建筑物自动提取方法。实验结果证明,在没有辅助数据的情况下,该方法也能够自动提取出建筑物。

基于Hough变换和GLCM的端铣表面粗糙度检测

研究基于计算机视觉的非接触式端铣表面粗糙度检测方法。通过图像采集系统获取端铣工件表面图像,并进行图像预处理。基于Hough变换旋转图像,提取特定方向下GLCM的特征参数,较大程度缩短了计算时间。确定了适于表征端铣表面粗糙度的4个GLCM特征参数。采用BP神经网络算法研究纹理特征参数与粗糙度Ra之间的关系,构建粗糙度BP神经网络检测模型。实验表明,基于Hough变换的GLCM纹理特征参数提取方法能快速实现粗糙度纹理特征的提取,而BP神经网络检测模型具有较好的预测效果,能够满足端铣表面粗糙度测量的精度要求。

基于B-CLBP和GLCM特征的纹理材质分类

随着虚拟现实的不断发展,力触觉装置对纹理图像分类的要求更高了,视觉纹理的不同也会影响力触觉装置的反馈情况。为达到触即有感的临场感,对纹理图像的识别效率提出了更高的要求。基于图像分类理论,提出一种基于局部二值模式(LBP)和灰度共生矩阵(GLCM)的纹理分类方法。对LBP算法进行优化,得到B-CLBP算子,在不增加特征维度的同时提高每一维的数据量,从而得到更精准的分类结果。在此基础上使用SVM分类器对纹理材质进行分类,实验结果表明,该算法在纹理材质分类方面具有良好的性能,并且较传统LBP更加优秀。

基于GLCM特征木材树种高光谱无损检测识别研究

目前,木材树种无损检测识别技术已成为木材工业亟待解决的问题。提出了一种基于灰度共生矩阵(GLCM)纹理特征木材树种高光谱无损检测识别方法。在1000 nm^2500 nm的光谱范围内获取了样本高光谱数据,利用PCA对高光谱图像原始数据进行降维处理,得到主成分图像序列,并对主成分图像序列提取木材纹理特征参数,发现BP神经网络分类器的识别率为91.5%。实验表明:基于高光谱图像纹理特征能有效描述木材,用其实现对木材树种的识别是可行的,说明GLCM纹理特征参数对木材树种具有一定的描述能力,为木材树种的识别提供了新的思路。该方法能够较好地解决木材树种识别问题,对木材工业的现实生产、经营、管理等方面具有重要的现实意义。

一种基于LBP和GLCM的单帧人脸近红外图活体检测方法

文章提出了一种简单、快速、有效的人脸活体检测方法:通过对人脸近红外(NIR)图计算局部二值模式(LBP)图以增强光照鲁棒性,然后计算灰度共生矩阵(GLCM)及特征值实现数据降维;通过支持向量机(SVM)对降维后正负样本部分数据训练后得到分类模型,从而成功实现了基于单帧人脸近红外图的活体检测。文章的算法有效抑制了环境光照、图像明暗、人脸姿态变化等的影响,在开放数据集CASIA NIR Database以及自行采集的数据集上进行的实验取得了很好的效果。

高光谱技术结合GLCM的油桃品种判别研究

为实现对同产地4个油桃品种分类,本研究采用420~1000 nm波段和900~1700 nm波段高光谱技术对其进行处理,通过GLCM提取得到可见/近红外波段的图像纹理特征值差异较显著,并建立PLS、LS-SVM、ELM模型对4类油桃品种进行分类判别研究。研究结果表明:对于可见/近红外波段下的图像纹理特征值采用PLS模型建立的判别精度最高,其整体模型的判别正确率达到81.49%,可为检测设备研究提供理论支撑。

一种基于加权颜色形状特征和LBP-GLCM纹理特征提取的服装图像检索方法

为了提高颜色和纹理特征在服装图像检索中的准确性,本研究提出一种基于加权颜色形状特征和LBPGLCM纹理特征提取的服装图像检索方法以提高服装图像检索的精度。首先,在第一道检索中运用颜色直方图和Hu不变矩的特性进行加权处理,而后,再运用Uniform-旋转不变局部二值模式算子对返回的结果进行处理,得到相对稳定的编码图像。实验证明,此方法能将不同特征的优势进行融合,使之相互补充,检索结果较之单一特征的检索更加准确。

GGCD和GLCM矩阵的行列式

设S={x1,x2 ,…xn}是一个由非零整数且｜xi ≠｜xj (i≠j,1≤i,j≤n)组成的集合 .我们先定义了在集S上的广义GCD(GGCD)矩阵和广义LCM(GLCM)矩阵 ,研究了定义在广义factor closed集和广义gcd

定义在广义Gcd-closed集S上的GGCD矩阵和GLCM矩阵的逆

设S ={x1,x2 ,… ,xn}是一个由非零整数且 |xi|≠ |xj| (i≠j,1≤i,j≤n)组成的集合。我们先定义了集S上的广义GCD(GGCD)矩阵和广义LCM (GLCM )矩阵 ,然后计算了定义在广义 gcd

基于LBP-GLCM纹理特征提取的服装图像检索

提出了一种针对服装图像检索的LBP-GLCM纹理特征提取方法,首先利用Uniform-旋转不变局部二值模式算法处理服装图像,得到不会因为旋转而改变的编码图像,然后获取此图像的灰度共生矩阵,采用能量、对比度、相关性和均匀性描述图像的纹理特征。实验数据表明,LBP-GLCM纹理特征提取方法具有良好的抗旋转性,且在采用欧氏距离作为相似性度量时,LBP-GLCM相较于GLCM纹理特征提取方法可以获得更高的检索效率和准确率。

基于Gabor-GLCM工件表面纹理特征的刀具状态视诊

在铣削加工过程中,为实现在线不停机刀具磨破损的快速检测与预报,提出了一种基于 Gabor -GLCM工件表面纹理特征的刀具状态视诊方法。首先采用Gabor滤波器虚部与工件纹理图像卷积并提取Gabor特征;然后在卷积图像上采用GLCM提取二阶统计特征,将提取的特征向量串联,旋转规范化后得到刻画工件纹理的特征集;最后将旋转规范化特征集输入SVM训练分类模型,在实验采集的铣削工件表面纹理图像库中进行了测试。实验结果表明:该方法用时短,分类正确率高达98.667%,提高了刀具磨损状态监测的正确率和实时性。

亚热带人工林高分影像GLCM纹理的应用策略研究

【目的】探讨纹理变量及其相应参数配置范围,阐明各纹理变量随输入参数的变化规律,以便指导高分光学影像纹理在林业上的应用。【方法】以福建省将乐国有林场不同坡向不同龄组的杉木人工林为例,基于QuickBird影像的全色波段进行灰度共生矩阵(GLCM)纹理的计算与分析。【结果】结果表明:(1)除均值外的所有GLCM纹理变量对阴坡的3个龄组的区分能力均强于阳坡,且纹理变量优选需同时考虑衡量指标和纹理变量之间的相关程度。(2)窗口大小是统计组和有序组纹理最关键的输入参数,合适的窗口大小与影像的分辨率以及研究对象的空间尺度有关,对比度组纹理与窗口大小无关,可随意设置。(3)应用统计组和有序组纹理,无需关注像元间距,而应用对比度组纹理,不可忽视像元间距。(4)应用统计组纹理,像元间距越大越需关注计算方向;而对比度组和有序组纹理则相反,即像元间距越小越需关注计算方向。(5)作为最不受研究人员重视的灰度量化等级,推荐采用32或者64。【结论】高分光学影像的纹理信息对光谱重叠度较高的地物具有一定的区分能力,能部分“弥补”阴影导致的光谱信号损失,但在应用中需对纹理变量及其输入参数进行优化选择和配置。该文的研究结论能够为高分光学影像纹理信息的优化应用提供实用的参考借鉴。