基于灰度差分统计的火焰图像纹理特征提取

转炉吹炼过程中,炉口火焰的纹理粗糙度与吹炼所处的阶段有密切的联系。在不同的吹炼阶段,火焰纹理呈现较明显的变化,因此该特征可以作为转炉终点识别系统的重要参数之一,目的是从火焰图像中提取出描述纹理复杂度特征的描述子,进而区分出不同的吹炼阶段。提出基于灰度差分统计的火焰纹粗糙度提取方法,首先对原始火焰图像做去噪、分割、灰度转换的预处理,然后计算灰度差分直方图,在此基础上对比各种特征描述子表述粗糙度的效果。结果表明,和灰度共生矩阵方法的能量特征值相比,灰度差分统计方法中的角度方向二阶矩描述子对不同纹理所处的吹炼时期具有较高的识别率,且具有较快的识别速度,该特征描述子能作为重要的特征参数之一用于实际的转炉吹炼终点判断识别系统中。

基于灰度共生矩阵的彩色遥感图像纹理特征提取

纹理在图像检索和分类中起着非常重要的作用。目前已有的纹理特征提取算法大多只能提取灰度图像的纹理特征,用于彩色图像的纹理特征提取算法则很少。参照对灰度共生矩阵(gray level co-occurrence matrix,GLCM)的分析方法,实验和分析了方向、距离、灰度级和窗口大小等参数对彩色图像GLCM纹理特征的影响,实现了基于GLCM的彩色图像纹理特征提取方法(color GLCM,CGLCM);通过分析上述参数对角二阶矩、熵、对比度和相关性等4个纹理特征的影响规律,给出了合理的参数取值范围,优化了CGLCM方法。将CGLCM方法和GLCM方法进行对比的结果表明,用CGLCM方法计算的角二阶矩、熵、对比度和相关性等4个纹理特征的稳健性更好、鉴别能力更强。上述研究结果可为基于纹理信息的图像检索和分类提供参考。

基于灰度共生矩阵的多波段遥感图像纹理特征的提取

主要探讨用灰度共生矩阵测度纹理特性,对多波段适感图像进行特征提取时,各个波段的权重选取问题。根据纹理技术特点,将原始的多波段适感图像分成若干个互不重叠的多波段适感子图像。其中,用均值法和主分量分析法,将子图像各个波段的特征向量合成一个向量,并且把这个合成的向量作为这个子图像的特征向量。应用高斯有限混合模型与期望极大化算法,对适感图像纹理特征空间的数据进行聚类分析和参数估计,用贝叶斯定则对多波段遥感图像进行分类。最后我们将各种不同的分类结果进行了对比,得到了最佳的分类结果并给予讨论。

不同照度下煤矸图像灰度及纹理特征提取的实验研究

研究煤和矸石在不同照度下的响应特性,设计了差异照度煤矸图像采集系统,进行了煤矸图像采集实验,建立了煤矸灰度子图像数据库,对数据库中的子图像的灰度、纹理特征进行了提取,通过定义归一化特征差异指数以及基于支持向量机(SVM)对实验数据进行了分析与讨论。结果表明:在同一照度下,煤和矸石在灰度及纹理特征上存在差异,且随着照度的改变,煤和矸石的特征也发生变化,同时两者的变化规律存在显著差异。基于不同特征的SVM分类器的识别正确率不同,照度的变化也会对分类器的识别正确率产生影响;当考虑照度因素后,分类器的识别正确率最大增加了13. 31%,此外基于多特征多照度融合的SVM分类器性能较好,识别正确率为98. 39%。

基于灰度共生矩的SAR图像纹理特征提取方法

为更有效地提取合成孔径雷达(SAR)图像中的有效信息,提出了一种基于灰度共生矩阵的纹理特征提取方法。该方法在分析图像灰度共生矩常用特征描述量基础上,研究了窗口尺寸和位移向量对纹理特征的影响,通过比较不同目标各种纹理特征的分布及平均值的相差程度,计算了灰度共生矩阵的最佳窗口尺寸和位移向量,确定参与分类的可用纹理特征组合,给出了特征选择和提取方法。实验结果显示,该方法提取的特征具有较好的目标描述效果。

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、日光灯、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。

基于灰度共生矩阵提取纹理特征图像的研究

在遥感影像分类的过程中非光谱特征起着重要的辅助作用。纹理特征作为一种重要的非光谱特征对于遥感影像分类精度的提高也有很重要的作用。本文主要研究了通过灰度共生矩阵提取纹理特征图像的方法,对该方法提取纹理特征图像进行了相关的实验分析。并将其在分类中的应用进行实验,证明了灰度共生矩阵提取的纹理特征对图像分类精度提高起到一定的作用。

基于机器学习的煤岩显微组分灰度及纹理特征提取实验

煤岩显微组分的鉴别需综合显微组分的反射率、颜色、突起、形态、大小、细胞结构等特征。基于图像分析的煤岩显微组分自动识别方法能够降低人工的劳动强度并提高测试速度与可重复性,因而其为煤岩显微组分分析的未来发展趋势。煤岩显微组分种类较多且不同显微组分的结构特征差异较大,目前对其光学性质的定性描述很难体现许多显微组分独特的形貌及结构特征,因而识别准确度较低,急需对煤岩显微组分的形态特征和纹理特征进行深入研究和表征。针对煤岩显微组分的识别特征,分析油浸反射光下煤岩显微组分的灰度、形态及纹理特征等图像学特征,对15种有机显微组分及3种无机显微组分选取1 693幅能够表征显微组分特征的代表性图像,构建烟煤显微组分特征数据集,利用灰度共生矩阵对灰度均值、灰度方差、灰度歪斜度、灰度峰态、灰度能量、灰度熵等6种灰度特征参数以及纹理对比度、纹理相关性、纹理角二阶矩和纹理同质性等4种纹理特征进行提取,利用K最近邻(KNN)和支持向量机(SVM)2种机器学习分类算法进行分类。结果发现,显微组分的灰度特征及纹理特征差异较大,支持向量机分类算法对显微组分的识别效果优于K最近邻,基于灰度+纹理特征的支持向量机算法可以对煤中18种显微组分实现大于60%的识别精度。

煤与矸石图像灰度信息和纹理特征的提取研究

针对现有大多数煤与矸石图像识别方法只单一地利用灰度均值和灰度方差进行识别,存在识别准确度和效率不高等问题,提出了一种煤与矸石图像灰度信息和纹理特征提取方法。该方法提取具有代表性的特征参数,如灰度均值、平滑度及灰度共生矩阵的能量、对比度、相关性、熵等,作为识别煤与矸石的重要依据。Matlab仿真分析结果表明,以上特征参数可以有效地描述煤与矸石的图像特征,可为煤与矸石的自动识别与分选提供重要参考依据。

基于灰度共生矩阵的乳腺病理图像纹理特征分析

目的:通过深入分析乳腺病理图像,为精确区分良恶性乳腺肿瘤,提出便于计算又能给出较高的分类精度的纹理特征参数。方法:基于灰度共生矩阵算法,提取乳腺癌病理图像的纹理特征进行分析。结果:确定4个具有很好特征效果且便于计算的纹理特征参数,熵和对比度的均值特征对区分良恶性肿瘤有很好的表现。结论:在乳腺病理图像中提取熵和对比度的均值为主要特征,可有效区分乳腺肿瘤良性与恶性。

圆柱绕流尾涡图像的灰度特征和纹理特征

图像技术是流体力学研究的重要手段,在流动显示和流动测量中应用广泛;随着信息技术的发展,图像技术在流动规律研究的应用不断深入。论文以圆柱绕流为对象,分析雷诺数Re=50~1725时尾涡图像的分布特征,解析图像的灰度特征参数和纹理特征参数随雷诺数的变化规律,并开展流动特性解释。研究发现,圆柱绕流的紊动扩散速率、分离点位置、尾涡空间分布的变化导致了图像灰度与纹理呈现出不同的识别特征:当Re<600时,尾涡的灰度直方图的均值随雷诺数的增加线性递减;当Re=148~642时,基于尾涡图像的纹理对比度推导出的尾涡脱落周期长度与经验取值吻合良好;当Re>170时,灰度歪斜度随雷诺数递增且表现为明显的线性关系。

基于灰度共生矩阵提取纹理特征的医学图像检索技术的研究与应用

随着信息技术在医院的普及,积累了大量病人的影像数据,这些数据是医生进行临床诊断、病情跟踪、手术计划、研究、鉴别诊断的重要客观依据。本课题选用灰度共生矩阵对图像纹理特征进行提取,利用像素对之间的方向和距离参数构造共生矩阵,然后从矩阵中提取能量、熵等有意义的统计量来表示纹理特征,从而建立一个医学图像检索系统,有效提高医学图像的利用率。

基于灰度共生矩阵的图像纹理特征提取研究

计算机视觉系统存在图像数据维度高、图像数据类型冗杂的情况,因此提取图像的纹理特征对图像的后期处理非常重要。采用灰度共生矩阵的图像纹理特征提取方法,可以有效地获取图像在像素灰度间的方向、距离、变化幅度等综合信息,其纹理特征值差异和变化规律可准确描述图像纹理的特征。仿真实验证明了该方法可行,通过对比不同图像的纹理特征值,得出其差异和变化规律基本与实际的纹理特征情况相符合,验证了此方法的有效性。

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。

基于纹理特征的图像复杂度研究

为了更好地描述图像内部的复杂程度,建立图像复杂度与各指标之间的数学模型是研究图像复杂度最关键的一步。首先从图像纹理出发,试图建立图像复杂度与各指标之间定量、精确的数学关系描述。针对目前图像复杂度与各衡量指标之间没有明确的数学关系的特点,文中采用灰度共生矩阵对纹理的主要特征参数进行分析,提出了基于BP神经网络的图像复杂度评价方法,建立了图像复杂度与各个指标之间非线性的数学评价模型。通过大量的图片对神经网络进行训练学习,得到各指标的权重值。验证结果表明,所建评价模型能够真实地反映图像内部的复杂程度,获得的实验结果与人类视觉感知的结果基本一致。对于将BP神经网络应用于图像复杂度的研究具有一定的参考价值。

基于灰度共生矩阵的肝脏CT图纹理特征分析

提出了一种改进的灰度共生矩阵肝脏CT图纹理特征分析方法,即首先确定图像ROI区域,接着构造一个新的能综合反映共生矩阵各角度信息的灰度共生矩阵,然后提取基于该矩阵的纹理特征参数。通过实验验证,上述方法是分析肝脏CT图的一种快速有效的纹理特征分析方法,对其他特定类别图像的纹理特征分析有参考意义。

基于纹理特征提取的图像分类方法研究及系统实现

深入研究灰度共生矩阵算法,结合和差统计法对其进行改进。编码实现改进的图像纹理提取算法,并采用基于径向基内积函数内核的支持向量机方法对图像分类效果进行实验。通过训练和测试证明,该系统能减少特征提取的计算时间和存储空间。

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%。

图像纹理特征提取方法综述

纹理是一种重要的视觉线索,是图像中普遍存在而又难以描述的特征。纹理分类与分割是图像处理领域一个经久不衰的热点研究领域,纹理特征提取作为纹理分类与分割的首要问题,一直是人们关注的焦点,各种纹理特征提取方法层出不穷。在广泛文献调研的基础上,回顾了纹理特征提取方法的发展历程,分析了其研究现状,对纹理特征提取方法进行了较为全面的综述,对其进行分类和比较,最后给出了纹理研究领域的主要发展趋势。

图像纹理分析的灰度-基元共生矩阵法

将描述纹理特征的统计方法和结构方法结合起来,提出灰度-基元共生矩阵,既能描述图像的灰度分布信息,又能表达局部细节。采用正规化处理,减少共生矩阵的计算量;将传统共生矩阵的一些特征如熵等引入基元—共生矩阵特征的计算,定义相应的特征向量。采用这种方法解决了单独使用某一方法的缺点,如计算量大、表达复杂、特征表达不够准确等。