紋理特征提取算法及其在面向?qū)ο蠓诸惣夹g(shù)中的應(yīng)用研究.pdf

1、紋理是圖像在局部區(qū)域內(nèi)表現(xiàn)出來的一個重要特征，紋理特征提取方法的好壞，將直接影響圖像分類的效果。本文在傳統(tǒng)的紋理提取方法基礎(chǔ)上，設(shè)計了兩種紋理特征提取方法：灰度．最大變化共生矩陣紋理特征提取方法和基于小波的起伏矩陣紋理特征提取方法，并將它們應(yīng)用于面向?qū)ο蟮膱D像分類技術(shù)中。本文的研究內(nèi)容主要包括以下幾個方面： 1．灰度．最大變化共生矩陣紋理特征提取方法是一種基于統(tǒng)計法的紋理分析方法。首先構(gòu)造能反映紋理圖像粗糙特性的最大變化矩陣，與

2、灰度矩陣一起構(gòu)成灰度—最大變化共生矩陣，然后從該矩陣中提取其統(tǒng)計量作為紋理特征值，組成紋理特征向量。選取標(biāo)準(zhǔn)紋理圖像庫Brodatz中的紋理圖像進(jìn)行分類實驗，驗證了灰度—最大變化共生矩陣方法比常用的灰度—梯度共生矩陣和灰度．基元共生矩陣方法更有效且表達(dá)式簡單易于實現(xiàn)。 2．基于小波的起伏矩陣紋理特征提取方法是一種結(jié)合頻譜法和統(tǒng)計法的紋理分析方法。本文利用小波的多尺度分析將圖像進(jìn)行多尺度分解，進(jìn)而構(gòu)造能反應(yīng)紋理圖像方向特性和粗糙特

3、性的紋理起伏矩陣，從紋理起伏矩陣中提取統(tǒng)計量作為紋理特征，組成紋理特征向量。相對于基于小波的尺度共生矩陣方法和非抽樣小波方法，該方法更充分的表現(xiàn)了紋理圖像的方向特性和粗糙特性，能更好的表征圖像的紋理特征且算法直觀。選取標(biāo)準(zhǔn)紋理圖像庫Brodatz中的紋理圖像進(jìn)行分類實驗，驗證了基于小波的起伏矩陣方法要優(yōu)于基于小波的尺度共生矩陣方法和非抽樣小波紋方法。 3．將灰度．最大變化共生矩陣方法和基于小波的起伏矩陣方法應(yīng)用于面向?qū)ο蟮膱D像分