融合LBP和GLCM的纹理特征提取方法

为提取有效的特征用于纹理描述和分类,提出一种融合局部二进制模式(LBP)和灰度共生矩阵(GLCM)的纹理特征提取方法。利用旋转不变的LBP算子处理纹理图像,得到LBP图像及其GLCM,采用对比度、相关性、能量和逆差矩描述图像的纹理特征。实验结果表明,与其他方法相比,该方法提取的纹理特征具有更强的纹理鉴别能力,平均分类正确率达到93%。

煤与矸石图像纹理特征提取方法

针对现有煤与矸石图像处理方法存在提取特征参数少、识别精度低等问题,提出了一种融合局部二值模式和灰度共生矩阵的煤与矸石图像纹理特征提取方法。首先将煤与矸石预处理后的图像转换为局部二值模式图像,再利用该图像生成灰度共生矩阵,以角二阶距、相关性、对比度和熵作为纹理特征进行均值和归一化处理,最后用支持向量机进行训练,得出识别结果。实验结果表明,该方法能够有效地提取到煤与矸石图像的纹理特征,煤和矸石的识别率分别为94%和96%。

骨小梁纹理参数对膝骨关节炎进展的预测效能

目的评估放射成像中软骨下骨小梁纹理对膝骨关节炎(OA)进展的预测效能。方法将OA公用数据库中,基线双侧膝关节Kellgren-Lawrence(KL)分级均为0级、随访36个月后右膝关节KL≥2级的研究对象纳入放射学进展组,36个月后KL分级仍为0级的研究对象纳入对照组。应用局部二值模式结合灰度共生矩阵的纹理分析方法,提取胫骨内侧平台软骨下骨小梁在不同角度和步长的纹理参数(对比度、相关性、能量、熵、同质性、异质性)。对有统计学差异的参数进行logistic回归分析,筛选能够预测OA发生的纹理参数,并对筛选后的纹理参数进行受试者操作特征(ROC)曲线分析,评估纹理参数的预测效能。结果角度为0°~135°、步长为1~5的部分纹理参数与膝OA的发生存在相关性。ROC曲线显示联合协变量的各纹理参数的曲线下面积(AUC)为0.69~0.79,诊断比值比为5.75~15.6,当角度为45°、步长为1时异质性的AUC值最大,为0.79,诊断比值比为13.89。结论基线膝关节X线尚无明显变化时,膝关节软骨下骨小梁的放射成像骨纹理参数能够预测OA的进展。

一种煤岩图像特征提取与识别方法

提出了一种基于二进制十字对角纹理矩阵的煤岩图像特征提取与识别方法。该方法首先提取煤岩图像的二进制十字对角纹理矩阵,然后利用二进制十字对角纹理矩阵的角二阶矩能量、相关性、方差、逆差矩、熵、和熵、差熵、和均值、对比度、惯性矩及相关信息测度构造煤岩图像的特征向量,最后结合稀疏表示进行煤岩图像分类识别。实验结果表明,与基于十字对角纹理矩阵的图像特征提取与识别方法相比,该方法具有更好的煤岩识别效果,平均识别率达94.38%,且单幅图像特征提取时间大幅降低,提高了煤岩识别的实时性。

基于多特征组合的图像纹理分类

在对纹理图像进行特征提取的算法中,高斯马尔可夫随机场(GMRF)、局部二值模式(LBP)和灰度共生矩阵(GLCM)这三种算法应用的较为广泛。常见的图像纹理分类做法是取某一种特征提取算法得到各种纹理的特征空间,进而配合分类算法进行分类。然而,这种做法的不足之处在于未能充分利用各种特征之间的关联,且选取某一种特征提取算法建立特征空间不具对比性。对此,提出一种多特征组合的方法,通过比较单个算法特征与组合特征的分类效果探究各算法特征在对纹理图像的分类上是否存在信息互补。实验结果表明单个算法特征在纹理分类上的确存在优势互补,实验中所得最佳组合特征将给定图像纹理的平均分类精度提高到96.9%。

自适应的Haar型LBP纹理特征提取算法研究

在提取纹理图像的Haar型LBP特征中,人为设定的判断阈值主观性强、局部性差,导致提取的纹理细节和边缘模糊、纹理图像的局部性易被忽略。为此,提出了一种自适应的Haar型LBP纹理特征提取算法。该算法在二值化Haar型特征时引入高斯加权矩阵,以此获得客观、符合纹理图像局部特征的自适应判断阈值和Haar型LBP特征。实验结果表明,该算法能够有效地避免人为设定阈值对纹理特征的影响,可以准确地描述图像的纹理特征,Brodatz标准纹理库分类的正确率也得到了进一步的提高。

基于增强纹理谱描述符的图像检索

提出了一种从图像低频信息提取纹理特征的方法。首先根据图像局部区域灰度均值与全局灰度均值间的关系,获取反映图像低频信息的二值图像;然后基于该二值图像,采用类似灰度共生矩阵的方法描述其纹理特征。实验结果表明,采用文中方法结合传统纹理谱描述符可有效提高图像检索的效率。

图像处理技术在面包烘焙品质检验中的应用

阐述了数字图像处理技术在烘焙面包品质检验中的应用,依据灰度共现矩阵算法提取图像的纹理特征,并通过二值化后的烘焙面包切片计算出其体积。试验结果表明,该方法不仅为面包烘焙品质的快速自动检验提供了客观准确的科学依据,使感官评价的指标客观化,而且经济可行。

基于二元共生模式的图像检索系统

基于内容图像检索方法大多仅对某个类型的图像具有较好的性能,无法适用于不同类型的图像,提出一种基于二元共生模式与灰度共生矩阵的基于内容医学图像检索方法。首先,从原图像提取中心对称局部二元模式以获得图像的局部信息;然后,使用灰度共生矩阵提取局部模式图中不同方向与距离的共生像素对。该方法使用共生像素对的模式频率,其鲁棒性优于基于直方图的局部模式图。最终基于2个纹理数据集与一个医学图像数据集进行检索实验,结果表明该方法具有较好的检索性能,并具有较好的时间效率。

纹理边界引导的复合材料圆孔检测方法

针对复合材料纹理背景下圆形基准孔检测困难的问题,提出一种纹理边界引导的圆孔检测方法.该方法将局部三进制模式(LTP)与灰度共生矩阵(GLCM)对比度融合为纹理对比度,通过提取纹理对比度特征实现孔内纹理和孔外纹理的快速分割,得到与圆孔边界近似吻合的纹理边界,利用纹理边界的位置信息去除绝大多数非圆孔边界的边缘点,利用纹理边界的连通信息对剩余边缘点进行分组,使用内嵌圆参数统计机制的随机圆检测算法从每组边缘点各检出1个圆孔目标,进而完成对多个圆孔目标的检测.实验结果表明,在复合材料圆孔检测场景中该方法有94%以上检出率,3%以下检错率和较高的检测速度,并表现出良好的检测鲁棒性.

NSCT子带纹理特征融合的中亚文种识别

由于中亚地区某些文种相似度较高,单一纹理特征不能充分描述它们的纹理特点。为此,提出基于NSCT子带纹理特征融合的文种识别方法,即先对预处理后的文档图像进行非下采样Contourlet变换。对变换产生的子带分别提取局部二值模式和灰度共生矩阵特征,生成高维融合特征向量,通过主成分分析法对其进行降维生成低维特征向量。通过对阿拉伯文、俄文、藏文、中文、维吾尔文、英文、蒙古文、吉尔吉斯斯坦文、哈萨克斯坦文、土耳其文进行实验,验证了该方法能更准确地提取文档图像多尺度、多方向的纹理特征,有效提高识别率。

伪装效果评价模型的图像纹理特征提取方法

对伪装后的军事目标进行伪装效果评价,通常依据伪装前后目标图像特征的改变情况进行评价。光照环境影响导致采集的图像质量下降,对提取目标图像特征会产生不利影响,从而影响伪装效果的评价。针对光照环境对目标图像特征的影响,提出一种结合局部二进制模式(LBP)与灰度共生矩阵的目标纹理特征提取方法。该方法首先通过局部二进制模式(LBP)算法提取目标图像不受光照影响的图像特征信息,然后对局部二进制模式(LBP)图像提取灰度共生矩阵,获得描述图像纹理特征的5个特征值。通过对比实验表明该方法可以有效降低光照环境因素对伪装效果评价的不利影响,使伪装目标的伪装效果评价结果更加准确可靠。

基于RULBP与GLCM的已加工工件表面纹理特征表征

不同磨损状况的刀具在工件表面切削后形成的纹理特征也各不相同,工件表面纹理蕴含着大量表征刀具状况的信息。为有效、高效地提取反映刀具状况的工件表面纹理特征,提出1种结合旋转不变均匀算子的局部二值模式(rotation-invariant uniform local binary pattern,RULBP)与灰度共生矩阵(gray-level co-occurrence matrix,GLCM)的纹理特征提取方法。该方法利用RULBP与GLCM的计算原理分别提取工件表面纹理的微结构特征和宏结构特征,达到全面提取纹理“微宏观”特征的目的。实验结果表明,同常用的工件表面纹理特征提取方法相比,所提方法能显著提高纹理特征的表征度。

基于多纹理特征的白酒摘酒酒花图像分类识别

根据白酒的“看花摘酒”传统手工摘酒经验,提出一种基于酒花视觉图像的多特征智能分类识别方法。通过对连续获取的酒花视频图像,在图像预处理基础上,提出采用局部二值模式(LBP)与灰度共生矩阵(GLCM)分别进行纹理特征提取,并提出LBP+GLCM相结合的纹理特征提取算法。通过对比旋转不变模式LBP、等价模式LBP、旋转不变等价模式LBP,确定对白酒酒花特征描述提取效率最高的等价模式LBP;对GLCM提取的特征值计算均值,并采用不同的特征值组合方式作为支持向量机(SVM)的输入得到分类结果;最后对得到的LBP特征与GLCM特征值进行特征级融合作为分类器的输入,并利用3种不同核函数的SVM分类器进行训练和测试。试验结果表明,LBP+GLCM分类准确率相较于单一LBP、GLCM均有不同程度地提高,其稳定性也高于单一特征分类。

基于多特征融合的织物瑕疵检测研究

织物瑕疵纹理特征复杂,单一特征不能很好地反映纹理信息。为此,本文提出一种基于局部二进制模式(Local Binary Pattern,LBP)算子和灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM)的多特征融合算法。首先,对LBP算子进行了改进,提出一种基于邻域像素中值的中心对称LBP算子;然后,将其提取出的纹理特征和灰度共生矩阵提取的纹理特征进行融合;最后,通过极速学习机和支持向量机做分类实验,验证融合特征描述织物瑕疵纹理特征的能力。实验表明,本文方法提高了织物物疵点检测率,并且具有很好的抗干扰能力。

基于灰度共生矩阵的遥感图像抗旋转性研究

灰度共生矩阵(GrayLevel Co-occurrence Matrix,GLCM)在图像纹理提取上应用极其广泛,但依旧存在不足。文章在GLCM纹理提取算法的基础上,引入局部二值模式(Local Binary Patterns,LBP),以此来改变GLCM在不同方向上的不一致性,解决因选取GLCM方向的不同给研究带来的误差。经实验,该文章提出的GLCM-LBP纹理特征改进方法,有效解决了方向不同带来的问题,同时计算量大幅减少。

结合LBP变换的GF影像纹理特征提取

为了更好地提取高分辨率影像的纹理特征,该文以GF-1影像为实验对象,引入局部二进制模式(LBP)算子增强图像纹理信息,并且结合灰度共生矩阵计算图像纹理特征。实验通过使用3个不同的半径参数的LBP变换对GF-1影像的全色波段做计算,然后分别将此计算结果加入影像分类过程中。3种分类均采用相同尺度的面向对象分类方法、相同的训练样本和测试方法。最终结果显示,半径参数为3个像元的LBP变换提高分类精度幅度最大,参数为1个像元的没有提高分类精度,参数为2个像元的分类精度居中。实验表明,使用LBP变换能够很好地提取纹理信息、帮助分类,但需要找到合适的半径参数。