遥感图像分类中的灰度自相关约束共生矩阵

提出了一种提取图像纹理特征的新方法。该方法把具有反映灰度空间相关性和连续性的自相关矩阵引入灰度共生矩阵，构造了灰度自相关约束共生矩阵，更好的描述了图像灰度空间的变化特征和纹理的结构特征。实验证明该方法可以有效地提高遥感图像分类的精度，使分类效果得到很大的改善。

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%。

灰度共生矩阵和颜色自相关图矩阵的matlab实现

基于内容的图像检索是当今人们研究的热点,本文通过matlab2006算法实现了灰度共生矩阵和颜色自相关矩阵,并论述了它们的关系。

二维相关红外光谱与支持向量机和灰度共生矩阵统计法相结合判别掺杂牛奶

应用二维相关红外光谱与支持向量机(SVM)和灰度共生矩阵统计方法相结合对分别掺杂有尿素、三聚氰胺和葡萄糖的牛奶进行判别。以质量浓度为外扰,建立掺杂牛奶的二维相关红外光谱图,选择角二阶矩、主对角线惯性矩、相关系数、熵的均值和标准差作为图像纹理特征并分别建立3种掺杂牛奶的SVM判别模型。结果表明:在对同步谱的分析中,上述3种掺杂牛奶样品中,掺杂尿素的牛奶样品训练集分类准确率为91.7%,预测集的准确率为85.0%;掺杂三聚氰胺和葡萄糖的牛奶的训练集分类准确率和预测集分类准确率分别为96.7%,90.0%和91.7%,100%。用同步谱和异步谱相结合的方法对准确率较低的掺杂尿素的牛奶做进一步试验,两种准确率分别提升为98.1%和92.3%;这一数据的提升是由于两者相结合提供了更大的信息量,有利于掺杂牛奶的判别。据此认为,此方法对掺杂牛奶的判别是可行的。

基于空间灰度共生矩阵的木材纹理特征提取

讨论了生成步长、生成方向、图像灰度级对灰度共生矩阵特征参数的影响,在对国内50个树种计算分析的基础上,得出适于描述木材纹理的灰度共生矩阵构造方法。结合了灰度共生矩阵特征参数间的相关性及木材纹理自身的特征提取出了一套表征木材纹理的特征参数。

适于描述木材纹理的灰度共生矩阵构造方法研究

结合特征参数间相关性矩阵与木材纹理自身的特征,从灰度共生矩阵的11个特征参数中提取5个较独立的特征参数。利用可分性判据确定适于描述木材纹理的灰度共生矩阵构造因子取值(d=2,g=16)。

基于共生矩阵的图像检索系统的研究

为了更好的分析图像纹理并进行基于纹理的图像检索,重点研究了基于纹理的图像检索中共生矩阵的方法,其中包括二维的灰度共生矩阵和三维的共生矩阵方法。为了使检索结果更符合用户的需求,对系统的相关反馈机制进行了深入研究。此次研究对基于纹理的图像检索系统的设计与实现具有重要参考价值。

基于纹理和形状的图像相关反馈检索

综合图像的纹理和形状特征进行图像检索时,采用了基于灰度共生矩阵的纹理特征提取 和基于不变矩的形状特征提取方法,并在此基础上加入了基于权重调整的相关反馈机制,使用户可以 参与检索过程,通过调整权重使得检索结果最终满足用户的检索要求。实验表明,这种算法获得了较 好的检索结果。

基于像素空间相关度的微光双谱图像实时配准

针对目前不同光谱波段图像配准算法复杂、精度低和实时性差的问题,该文提出了基于像素空间相关度的双通道图像融合效果评价方法,将该指标用作实时图像配准的控制参数,在基于DM642的视频图像实时处理仿真平台上,对微光双谱图像进行了实时配准。实验结果表明:与常用的基于控制点、边缘等图像配准算法相比,该文提出的实时配准方法准确、有效,且不受图像灰度变化、噪声及不同微光成像波段成像器的光谱响应特征的影响。

档案图像空间相关性分析

对档案图像的空间相关性进行分析,有助于对档案图像的进一步处理和分析。通过使用相关系数和灰度共生矩阵这两个相关性度量准则,分别获得档案图像在像素级、像素对级和像素块级的相关性数据,在此基础上,通过对相关性数据的分布状态进行描述和解释,指出了档案图像的空间相关性特点。实验结果表明自然图像和档案图像具有明显不一样的空间相关性,具体表现在:自然图像中大量的纹理导致了自然图像的行相关性高于档案图像;档案图像结构化层次的版面导致了档案图像的列相关性分布比自然图像更加杂乱;档案图像的纹理粗糙性,导致了档案图像灰度共生矩阵的分布比自然图像更加集中。

专利介绍

一种汽车轮胎胎面花纹缺陷检测系统和方法申请公布号:CN 117876382A申请公布日:2024年4月12日申请人:咸阳黄河轮胎橡胶有限公司发明人:王晓辉本发明介绍了一种汽车轮胎胎面花纹缺陷检测方法和系统,方法包括采集轮胎胎面图像,计算图像的灰度共生矩阵中每个元素对应的像素点组合的纹理特征相关性,根据纹理特征相关性筛选出所有的纹理特征相关性弱的目标像素点组合,对所有的目标像素点组合基于坐标进行聚类,根据每个类簇中每个目标像素点组合的坐标与每个类簇中心的距离,得到每个目标像素点组合与所有类簇中心的离散程度,基于离散程度和目标像素点组合在所有目标像素点组合中的占比,计算胎面图像存在花纹缺陷的概率,利用概率判断胎面图像是否存在花纹缺陷,基于该方法的系统能够对胎面花纹进行智能、高效、准确的缺陷检测。

一种汽车轮胎胎面花纹缺陷检测系统和方法

由咸阳黄河轮胎橡胶有限公司申请的专利(公布号CN 117876382B,公布日期2024-06-18)“一种汽车轮胎胎面花纹缺陷检测系统和方法”,涉及图像处理技术领域。具体方法为:采集轮胎胎面图像,计算图像的灰度共生矩阵中每个元素对应的像素点组合的纹理特征相关性。

一种结合SVM相关反馈的图像检索方法

随着多媒体技术的不断发展,基于内容的图像检索已成为研究热点。本文提出利用边缘检测方法获取图像目标区域,在目标区域内利用共生灰度矩阵进行纹理特征的提取,并结合一种改进的SVM相关反馈技术进行检索。实验结果表明,当图像中有明显的物体时,该方法能够准确高效地查找出用户所需内容的图像,提高了检索精度。

基于Bayesian的相关反馈在医学图像检索中的应用

前期的研究表明,代表纹理特征的灰度共生矩阵在胸片图像检索中发挥了比较好的检索效果,相关反馈能够很好地实现人机交互,有效地提高检索效率。进一步研究了两种移动查询点的反馈方法在提高检索效率的特点,首先基于分块的纹理进行检索,然后利用Rocchio方法和基于贝叶斯最小错误率的反馈方法进行多次反馈检索。实验证明,基于贝叶斯最小错误率理论的反馈方法能更好地缩小"语意鸿沟",提高检索效率。

数字图像相关法中散斑图的质量评价

散斑质量对数字图像相关法中位移的测量精度有着重要的影响,因此定量评价散斑图像的质量是数字图像相关法中一个重要的问题。论文基于灰度共生矩阵提取了散斑图像中的能量、对比度、相关性和熵这四个特征参数,并用实验验证了位移测量结果的均值误差和这四个特征参数之间的关系,证明了这四个特征参数的有效性;同时为了保证散斑质量评价的准确性,论文以平均灰度梯度作为散斑质量评价的基础参数,结合能量、对比度、相关性和熵这四个特征参数,一同作为神经网络的输入参数,经过训练可得到评价散斑图像质量的分类模型。结果表明,该方法可对散斑图像的质量进行较准确的评价。

基于灰度共生矩阵的散斑质量评价

采用数字图像相关(DIC)法对物体表面形变进行测量,并通过散斑场的形变对被测物的真实变化进行研究。对散斑质量评价方法进行研究,以求在测量前即可判定所采用的散斑对测量精度的影响。根据DIC法对散斑图像的具体要求,提出基于灰度共生矩阵(GLCM)的散斑质量评价方法。对实际散斑图像进行亚像素刚体平移仿真模拟,采用GLCM中的能量、熵、对比度和相关性指标与DIC法的测量结果进行对比分析,并与平均灰度二阶导数和香农熵进行对比实验。通过改变散斑图像的整体亮度等级与亮度分布情况,探究不同光照情况对实验结果准确度的影响。实验结果表明,GLCM在散斑图像质量评价中具有一定的有效性。

基于纹理特征的数字视频篡改检测

本文提出一种利用视频帧纹理特征来检测视频篡改的方法。对于一段背景静止或是运动缓慢连续变化的视频,相邻帧间的纹理特征相关性大,篡改后会一定程度上使其相关性变小,本文通过计算相邻帧灰度共生矩阵的相关性找出异常帧。该方法对视频格式无限制,适用于各种格式的视频。实验表明,该方法对相近背景下的异源帧插入、帧替换检测效果比较理想。

基于移动终端图像内容检索系统的设计

在移动终端下对基于内容的图像检索技术进行了研究与探讨,运用HSV颜色特征、灰度共生矩阵纹理特征的图像检索算法及查询点移动相关反馈等技术设计一种运行于手持移动终端的便携式图像检索系统.系统采用上位机运算处理,下位机与用户进行交互,并呈现检索结果的策略.结果表明,系统运行稳定,检索速度较快,准确率较高,对移动终端下的图像检索应用技术起到了推动作用.

基于颜色纹理和形状特征相结合的图像检索系统

灰度共生矩阵是一种有效的纹理图像分析方法，为了更有效地进行图像检索，定义了一种新型的灰度共生矩阵描述子，该矩阵描述子能够有效结合颜色、纹理和形状特征，通过描述像素的空间相关性来进行基于内容的图像检索．利用该矩阵描述子进行图像检索时，先在RGB颜色空间中计算彩色梯度，然后利用灰度共生矩阵来描述图像特征．实验结果表明其检索性能优于传统的普通灰度共生矩阵．

采用K-means的脑肿瘤磁共振图像分割与特征提取

大脑肿瘤分割对于医师判断肿瘤恶化程度非常重要。然而,由于肿瘤的不规则形状、与周围组织的低对比度以及出现位置的不固定,给脑肿瘤的精确分割带来很大的困难。传统的K-means分割方法仅仅利用图像的灰度特征,很难准确分割肿瘤边界。利用灰度共生矩阵提取出的纹理特征,并结合图像几何不变矩特征对分割出的脑肿瘤图像进行特征提取。灰度共生矩阵定义为像素对的联合概率分布,是一个对称矩阵,它不仅反映图像灰度在相邻的方向、相邻间隔、变化幅度的综合信息,也反映了相同的灰度级像素之间的位置分布特征,是计算纹理特征的基础;几何矩(不变矩)具有旋转、平移、尺度等特性,能将图像分解为有限特征值,并且通过对比所提取出的同一病人的肿瘤图像的不变矩参数,可以获得该肿瘤几何形状变化程度。实验结果表明,该方法可以同时从纹理和几何特征对图像特征进行描述,与分别采用灰度共生矩阵和不变矩方法进行特征提取相比较,降低了算法计算量,同时提升了算法的抗噪性。