基于灰度共生矩阵的迷彩图像相似度研究

针对迷彩伪装中图案斑点与颜色在相似度效果评估时的权重问题,通过迷彩设计软件生成多种林地和海洋背景四色迷彩,运用灰度共生矩阵计算图像相似度,采用控制变量法研究斑点图案和背景颜色对图像相似度的影响规律。研究结果表明:灰度共生矩阵包含图像的亮度(颜色)信息和分布(纹理)信息,可以综合评价迷彩图像的相似度;在迷彩设计中当图像中的斑点形状尺寸相同时,改变图像的颜色,图像相似度为0.5左右,当颜色相同,改变图像中的斑点形状尺寸,图像相似度达到0.9以上,说明迷彩伪装中颜色权重高于斑点图案权重,可为变形迷彩设计提供依据和指导。

考虑小波包-灰度共生矩阵的高压断路器弹簧疲劳故障程度诊断研究

弹簧操动机构作为高压断路器(High voltage circuit breakers,HVCBs)分合闸操作的储能单元,其可靠性对电力系统的安全运行具有重要意义。本文以六氟化硫高压断路器的弹簧操动机构为研究对象,分析分合闸弹簧的动作机理,对弹簧进行不同程度的故障设置。介绍了振动、声音传感器设备及采集参数,针对小波包时频分析法的缺点,提出一种基于小波包-灰度共生矩阵(Gray level co-occurrence matrix,GLCM)的特征提取方法。从诊断速度和诊断准确度两方面对比了支持向量机(Support vector machine,SVM)、决策树(Decision tree,DT)、朴素贝叶斯、K近邻(K nearest neighbors,KNN)4种诊断模型。实验结果表明,在模拟实际应用场景中,选用K近邻算法对分合闸弹簧故障进行深度诊断能够准确判断故障类型及故障程度,对高压断路器安全可靠运行具有实际应用价值。

增强CT灰度共生矩阵预测cN0期甲状腺乳头状癌中央区淋巴结转移

目的探讨增强CT灰度共生矩阵预测cN0期甲状腺乳头状癌中央区淋巴结转移的价值。资料与方法回顾性分析2020年1月—2021年12月徐州市中心医院经临床、手术病理确诊的cN0期甲状腺乳头状癌患者55例,根据术后病理结果分为中央区淋巴结转移阳性组34例、阴性组21例,患者术前均行颈部CT双期增强检查。采用Image J软件分别提取动、静脉期肿瘤最大层面灰度共生矩阵参数(能量、对比、相关、逆差矩、熵)并比较两组各参数的差异,使用受试者工作特征曲线评估参数的预测效能。结果两组间动脉期能量、熵及静脉期熵差异有统计学意义(t/Z=-2.140、2.753、2.736,P<0.05),其他参数差异均无统计学意义(P>0.05)。动脉期能量、动脉期熵、静脉期熵、动脉期能量动脉期熵联合预测中央区淋巴结转移的曲线下面积分别为0.672、0.706、0.686、0.734,动脉期能量动脉期熵联合预测效能最佳,敏感度和特异度分别为76.47%、66.67%。结论增强CT灰度共生矩阵有助于术前预测cN0期甲状腺乳头状癌患者中央区淋巴结转移,动脉期参数能量联合熵的预测效能最佳。

基于多灰度共生矩阵特征值的黄渤海白天海雾识别算法

本文基于多灰度共生矩阵特征值,即相关性、对比度、同质性和能量,进行联合海雾遥感判识,提出一种高准确率黄渤海白天海雾识别算法。采用第二代静止气象卫星FY-4A可见光、近红外和红外数据,将该算法应用于黄渤海区域白天海雾判识,并利用2019—2020年沿黄渤海气象站点能见度实测数据及CALIPSO卫星数据产品对本算法识别结果进行精度验证。结果表明:海雾识别平均检测率(POD)为92%,误报率(FAR)为27%,临近成功指数(CSI)为69%,可以实现对海雾的动态监测,为海上交通等领域提供较好的数据支持。

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。

共生矩阵耦合Otsu阈值的彩色图像边缘提取算法

针对当前彩色边缘提取算法因没有考虑不同颜色通道的关系,导致提取的边缘不连续或色彩边缘信息缺失等不足,提出了一种基于共生矩阵耦合Otsu阈值的彩色边缘提取。首先,为了评估图像的局部区域内容,计算图像中固定距离与方向上两点像素的关联,构建共生矩阵,得到了像素之间的统计特征,有效描述图像局部统计信息的变化。其次,对共生矩阵空间依次从左到右,从上到下逐像素扫描,形成属性图像。然后,利用二阶邻域来描述每个属性图像当前像素与邻域像素之间的关联,通过对当前像素与邻域的加权计算,得到8个边缘强度,并找出最大边缘强度。最后,引入Otsu阈值方法,将图像的局部最大边缘强度与最优Otsu阈值进行比较,获取其边缘像素,完成边缘提取。仿真结果表明,与当前彩色边缘提取技术相比,所提算法能够有效提取彩色边缘,获得的边缘清晰、连续性良好,取得了优异的边缘优质系数与峰值信噪比(PSNR)。

基于振动参数图像融合灰度共生矩阵的电抗器机械状态辨识方法

为更有效地监测电抗器的工作状态,提出一种基于振动参数图像融合灰度共生矩阵的电抗器机械状态辨识方法。首先对电抗器施加不同大小的电压、预紧力以模拟不同工况,在采用工作变形分析的基础上,利用灰度共生矩阵提取不同工况下工作变形分析云图的纹理特征,引入能够定量表征电抗器振动情况的振型相关系数,进而得到电抗器振动参数结合工作变形分析灰度图纹理特征的融合特征矩阵,最后利用支持向量机实现电抗器的状态辨识。通过模拟绕组松动故障试验,将所提方法与单一基于灰度共生矩阵的常规辨识方法进行比较,实验结果表明:所提方法能够有效地提取电抗器振动信号特征参量,且诊断精度相较于常规方法有明显提升,准确率可达93.6%。

基于灰度共生矩阵的沥青路面病害雷达图像纹理特征提取研究

随着电磁波探测在道路领域的日益推广,探地雷达逐渐成为道路内部状况诊断的有效手段。通过探地雷达设备获取的道路内部雷达图像经校零、背景去除、滤波等处理后因图像差异性较大目前没有较为统一的解释。为了探究不同参数下的灰度共生矩阵特征对不同病害图像的适用性,本文首先通过正交试验设计对灰度共生矩阵参数进行组合,然后在不同参数下利用灰度共生矩阵算法对原始雷达图像进行特征计算,最后得到不同参数设置下对比度、逆方差、能量、熵值四种特征图像。结果表明:当滑动窗口为11×11、统计方向为45°、灰度级数为8时,层间黏结不良的熵特征更为明显;滑动窗口为5×5、统计为方向90°、灰度级数为128时,裂缝的熵特征更为明显。本文提出的探地雷达图像纹理特征适用性参数设置对图像分割、识别及数据增强等有一定的参考价值。

基于方位角的灰度共生矩阵法提取碳酸盐岩储层裂缝参数与应用

针对裂缝系统复杂多变的难题,利用灰度共生矩阵法对玉东3号构造带鹰山组碳酸盐岩储层提取表征裂缝的4种属性参数,对4种属性参数进行融合处理,融合后获得了表征裂缝的有效属性参数,并与裂缝(洞)发育模式相结合,较精准地圈定了裂缝发育带及裂缝系统的分割特征。应用结果表明,鹰山组裂缝系统发育良好,改善了储层的有效性。鹰山组各亚段裂缝(洞)的发育程度较高,鹰山组3个亚段之间裂缝发育程度存在一定差异,整体上具有东强西弱、沿断隆发育的分布特征。

基于灰度共生矩阵和工业CT扫描的受载含瓦斯煤裂隙动态演化特征

为研究受载含瓦斯煤在三轴压缩作用下的裂隙演化规律,利用受载含瓦斯煤显微工业CT扫描系统,开展了三轴加载条件下受载含瓦斯煤的工业CT扫描测试,获取了受载含瓦斯煤的应力-应变曲线和各变形阶段的CT扫描图形.运用图像分析软件对CT扫描数据进行了三维数字重建,实现了煤样内部裂隙的三维可视化和定量表征,并基于灰度共生矩阵(GLCM)理论分析了受载含瓦斯煤的裂隙动态扩展特征及规律.研究结果表明:瓦斯压力的存在一定程度上弱化了受载含瓦斯煤的力学性质,同时也加速了裂隙的扩展;受载含瓦斯煤二维裂隙先闭合后扩展,峰后快速扩展并形成连通二维裂隙网络;三维裂隙体积和裂隙密度呈现出先减小后增大的变化趋势,总体上可划分为裂隙压密闭合、新裂隙萌生扩展和主裂隙加速扩展贯通3个变化阶段;灰度共生矩阵分析中,对比度先减小后增大,能量和同质性先增大后减小,相关性呈现出单调递减趋势,准确描述了受载含瓦斯煤内部裂隙随应力增加不断变化的总体发展规律.

肝纤维化图像的灰度共生矩阵分析

采用灰度共生矩阵方法 ,分别提取纤维化肝组织和正常肝组织CT图像的各种纹理特征 ,如能量、熵等进行对比研究。结果 :正常组和异常组之间存在显著性差异。

基于灰度共生矩阵的图像纹理特征地物分类应用

针对传统遥感影像分类方法的分类精度不高,在分析图像的光谱信息的基础上,对基于灰度共生矩阵的纹理特征在地物分类中的应用进行了研究。本研究利用原始图像进行主成分分析后的前两个主成分,经过编程运算,提取了基于灰度共生矩阵方法的不同测度的纹理特征,将提取的纹理特征作为新的波段,与原始波段进行组合,再对组合图像进行监督分类,探索了利用纹理特征进行地物分类的可行性,并将分类结果与最大似然法分类结果进行定性和定量比较分析。结果表明,综合了纹理特征和光谱特征的地物分类方法,能够有效地提高地物分类精度,证明了基于纹理特征的遥感影像分类的有效性。

图像纹理的灰度共生矩阵计算问题的分析

图像的灰度共生矩阵(GLCM)已知被理论证明并且实验显示它在纹理分析中是一个很好的方法,广泛用于将灰度值转化为纹理信息.然而,由于GLCM是像素距离和角度的矩阵函数,因此完整的GLCM的计算,其参数的选取范围很广,这样GLCM的计算量很大,通常是不能这样用的.为了解决这个问题,本文应用马尔可夫链的性质,从理论上证明了GLCM的计算结果,当像素距离足够大的时候趋于一致性.这样只需较少的参数值就可以完整的描述图像的纹理特征.最后,通过对Brodatz纹理库中自然纹理图像和几幅SAR图像进行仿真,仿真结果验证了上述结论.

灰度共生矩阵在指纹图像分割中的应用

指纹图像分割是自动指纹识别系统的关键步骤之一。通过分析指纹图像的灰度级数、位移量及相对方向与其灰度共生矩阵的二次统计特征之间的关系,提出了一种基于灰度共生矩阵的指纹图像分割算法。该算法先将指纹图像分割成矩形块,得到每个矩形块在不同相对方向上的灰度共生矩阵的对比度,然后将其对比度方差与预设阈值进行比较,完成前景或背景区的快速判断。分析和实验表明,该算法分割指纹效果较好,并且对不同的采集环境和图像质量都体现出较强的健壮性。

基于灰度共生矩阵的断口图像识别

研究断口图像的识别是进行失效分析的一个重要组成部分,但普遍存在识别率不高的问题,为了有效提高识别率,提出一种基于灰度共生矩阵的断口识别方法,方法采用灰度共生矩阵法对金属断口图像进行特征提取,利用可分性判据来确定能影响纹理特征参数的构造因子(生成步长d,图像灰度级g和生成方向θ),并通过相关性分析来排除在表达金属断口图像纹理中冗余的特征参数,最后采用BP神经网络分类器进行分类,并进行仿真。结果证明,根据上述方法,对金属断口图像的分类是可行的,并且识别率也达到了满意的要求。

基于灰度共生矩阵的无参考模糊图像质量评价方法

无参考图像质量评价已成为近来研究的热点.基于灰度共生矩阵提取相位一致图像特征进行学习的基础上,提出一种无参考模糊图像质量评价方法.该方法首先通过LogGabor小波变换生成待评测图像的相位一致图像,然后利用灰度共生矩阵计算相位一致图像的信息熵、能量、对比度、相关性和同质性5个特征,最后利用支持向量回归模型训练学习,预测得到无参考模糊图像质量得分.4个公开数据库模糊图像上的实验结果表明,该方法预测得分与主观得分有较好的一致性,获得较好的评价指标.

基于支持向量机和灰度共生矩阵的纹理图像分割方法

图像分割是计算机视觉领域的研究热点。灰度共生矩阵是图像灰度的二阶统计度量,反映了纹理图像灰度在方向、局部邻域和变化幅度的综合信息,以能量、对比度、熵、差方差和差熵作为纹理图像的特征,利用支持向量机(SVM)对这些特征进行训练和分类,以达到纹理图像分割的目的。详细说明了纹理图像的分割过程,同时分析了不同参数情况下对分割精度的影响。针对Brodatz纹理库的实验结果表明:该方法具有较好的分割效果。

基于灰度共生矩阵的骨肉瘤图像分析

目的寻求骨肉瘤影像诊断的数字化特征指标。方法通过探讨利用基于灰度共生矩阵的图像纹理分析方法,对骨肉瘤影像的病变骨质区、正常骨质区、软组织区分别提取对比度、逆差矩、能量、熵和相关性5种特征值,进行数字特征分析。结果经过统计分析,病变骨区域、正常骨区域以及软组织区域三者之间的每一种特征值差异均有统计学意义。结论数字特征的提取对识别病变和正常组织有意义。

基于灰度共生矩阵的大鼠肝细胞癌、肝硬化结节超顺磁性氧化铁MR增强图像纹理特征分析

目的基于灰度共生矩阵分析大鼠肝细胞癌(HCC)结节及肝硬化超顺磁性氧化铁(SPIO)增强图像纹理特征。方法建立大鼠HCC及肝硬化模型,获取大鼠HCC、肝硬化结节SPIO增强图像,手动选取161个(HCC结节81个,肝硬化80个)感兴趣区(ROI),通过生成灰度共生矩阵,提取两组图像的二阶矩、对比度、相关、逆差矩、熵、方差6种纹理特征参数,并进行统计学分析。结果大鼠HCC结节呈相对均匀的高信号,较大HCC灶(>2 cm)呈高、低混杂信号,肝硬化结节在SPIO增强图像呈低信号。HCC组的相关及熵均值高于肝硬化组(P<0.05),二阶矩、对比度、逆差矩及方差的均值低于肝硬化组(P<0.05)。结论通过灰度共生矩阵提取的二阶矩、对比度、相关、逆差矩、熵、方差6种纹理特征参数,可进一步用于基于纹理特征的大鼠HCC、肝硬化结节SPIO增强图像的计算机辅助诊断。

基于灰度共生矩阵的乳腺钼靶图像分析

目的应用灰度共生矩阵对乳腺钼靶图像进行纹理分析,自动分类识别乳腺肿块,实现乳腺肿瘤的辅助检测。资料与方法纳入60例乳腺钼靶图像,其中正常乳腺组织20例,良恶性乳腺肿块各20例。对图像进行预处理后,计算各感兴趣区基于灰度共生矩阵的纹理特征值,采用支持向量机和概率神经网络分别对肿块进行分类。结果三组各项纹理特征参数间差异有统计学意义(P<0.05);d=2时支持向量机的三组分类准确率为91.67%、86.73%、95.00%,SPREAD值取0.1时概率神经网络的三组分类准确率为79.22%、81.77%、81.13%。结论文中计算的纹理特征参数对乳腺肿块的良恶性判别有较显著的规律,支持向量机的分类准确率比概率神经网络的分类准确率高,该方法可成为乳腺肿瘤良恶性辅助诊断的有效方法之一。