《灰度矩阵纹理特征提取毕业论文》由会员分享，可在线阅读，更多相关《灰度矩阵纹理特征提取毕业论文（39页珍藏版）》请在金锄头文库上搜索。
1、I摘 要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，最后 主要研究了基于灰度共生矩阵的图像问题提取方法，研究如何有效地抽取图像纹理特征对图像进行描述，由特征值来对图像识别。灰度共生矩阵是一种简单有效的图像纹理描述方法，该方法的优势在于：它能利用了图像中像素相对位置的空间信息更加准确地描述图像的纹理，本
2、文就是利用灰度共生矩阵的这一特性，从该矩阵中抽取相应的统计参量作为纹理特征来实现图像识别。关键字： 灰度共生矩阵，纹理特征提取，图像识别IIABSTRACTTexture is a kind of important visual clues in images,is widespread and describe the characteristics. Texture classification and segmentation image processing area a enduring popular research fields, texture feature extrac
3、tion as texture classification and segmentation priority, and has been the focus of attention, all sorts of texture feature extraction method to emerge in endlessly. On the basis of extensive literature investigation, reviews the texture feature extraction method, analyzes the development of the res
4、earch status of the texture feature extraction method makes a comprehensive review of its classification, main research, finally based on gray symbiotic matrix image problem extraction method, research how to effectively extract image texture feature described by the image characteristic value, to i
5、mage recognition.Graylevel co-occurrence matrix is a simple and effective image texture description methods, this methods advantage is: it can use the image pixels relative positions of the spatial information more accurately describe the texture image, this paper is to use the graylevel co-occurren
6、ce matrix of the properties, extracting from the matrix corresponding statistics as texture feature parameters to realize image recognition.KEY WORDS: graylevel co-occurrence matrix, texture feature extraction, image recognition III目录摘要 .1ABSTRACT.2引言 .3第 1 章 图像纹理特征提取方法 .51.1 发展与现状 .51.2 纹理的有关定义 .6第
7、 2 章 纹理特征提取方法的分类 .82.1 纹理特征提取方法的发展 .82.2 统计家族的灰度共生矩阵 .8第 3 章 图像特征提取及识别过程 .103.1 系统流程图 .103.2 灰度共生矩阵定义 .103.3 四个方向灰度共生矩阵的生成 .113.4 纹理特征参数的介绍 .12第 4 章 算法实现 .14第 5 章 对此次设计的总结与展望 .265.1 设计中遇到的问题 .265.2 总结与展望 .27致谢词： .28参考文献： .29附录： .301引 言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。纹理分析技术一直是计算机视觉、图像处理、图像分析、图像检索等的活跃研
8、究领域。纹理分析作为诸如上述应用的基础性研究领域之一,其研究内容主要包括:纹理分类和分割、纹理合成、纹理检索和由纹理恢复形状。纹理的应用如下图1。这些研究内容的一个最基本的问题是纹理特征提取。作为纹理研究的主要内容之一,纹理分类与分割问题一直是人们关注的焦点,涉及模式识别、应用数学、统计学、神经生理学、神经网络等多个研究领域。纹理特征提取是成功进行图像纹理描述、分类与分割的关键环节,因为提取的纹理特征直接影响后续处理的质量。在具体纹理特征提取过程中,人们总是先寻找更多的能够反映纹理特征的度量,然后通过各种分析或变换从中提取有效的特征用于纹理描述和分类。纹理特征提取的目标是:提取的纹理特征维数不
9、大、鉴别能力强、稳健性好 ,提取过程计算量小,能够指导实际应用。鉴于纹理特征提取的重要性,至少半个世纪以前,人们开始探索图像纹理特征提取方法,多年来纹理特征提取依然并且无疑将继续在纹理分类与分割中发挥非常重要的作用。图1 图像纹理应用 图像自然图像 非自然图像自然风光遥感图像城市风光体育运动地震图像文档图像工业生产医学图像生物信息抽象数据指纹图像纹理特征图像检索图像分类目标识别工业检测纹理合成文本分割2随着科学技术的发展，信息量急剧膨胀，因此，如何快速提取有用的视觉信息越来越受到人们的重视。对图像的有效识别成为获取图像信息的关键问题。对图像的有效识别成为获取图像信息的关键问题。图像检索识别系统
10、中，以往的基于文本的检索由于其局限性而失去用武之地，而基于内容的图像检索日益成为当前信息领域的研究热点。基于内容的图像检索主要有3个研究方向：基于图像颜色特征，图像纹理特征和图像形状特征。本文主要是研究基于图像纹理特征的提取。本文共分为6大部分，第1部分引言中介绍了纹理的作用及应用；第2部分图像纹理特征提取方法的发展现状和纹理的有关定义；第3部分图像纹理特征提取方法中介绍了纹理特征提取方法的发展着重介绍了统计家族的灰度共生矩阵；第4部分图像特征提取及识别过程中介绍了灰度共生矩阵的定义，四个方向灰度共生矩阵的生成，纹理特征参数的介绍；第5部分介绍了算法的具体实现以及主要部分的一些代码；第6部分介
11、绍了此次设计中遇到的一些问题及解决办法以及对未来的展望。 3第 1 章 图像纹理特征提取方法发展与现状1.1 发展与现状纹理是图像的重要特征之一在图像分析，识别及图像检索中起到非常重要的作用20世纪70年代以前出现了自相关函数法1功率谱方法,和一些与各种灰度频率相关的方法等。这些方法取得一定成功,但是没有具体的定义、描述或纹理模型,仅仅是某种数学变换。另外还有一些提取纹理特征的方法,也仅限于提取特定的图像属性,如纹理粗糙度,纹理直线性等。1966年, Brodatz给出了很多纹理图像的例子,即所谓的Brodatz纹理库,成为后来人们研究纹理的重要数据源。20世纪70年代,最有代表性的是Hara
12、lick对纹理的分析和理解以及提出的纹理特征提取方法,为后续的纹理研究提供了理论支持和技术积累。1973年, Haralick在利用陆地卫星图像研究美国加利福尼亚海岸带的土地利用问题时,开创性地提出著名的GLCM,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。此外,这个阶段出现的方法主要还有灰度行程长度法、灰度差分统计法 ,自回归模型法等,这些方法在纹理分类中有一定效果,但是这些方法的后继研究很少,在实际应用中也较少采用。从20世纪80年代以来,MRF理论在纹理分析中掀起一阵热潮,为纹理特征提取找到了一个新的方向,尔后相继出现了MRF模型、Gibbs模型、高斯马尔可夫随机场(
13、 GMRF)模型、同步自回归模型( SAR) 、隐马尔可夫随机场模型(HMRF) 、广义MRF模型和多分辨率MRF等等。同时,分形理论也为提取纹理特征注入了新的活力。1984 年,Pentland等人在这方面做了开创性的工作,指出分形模型非常适用于描述纹理图像。后来更多学者将分形用于纹理分类,以分数维来描述图像区域的纹理特征。其中引人瞩目的是Chaudhuri 和Sarker提出了差分计盒算法,这是一种简单、快速、精度高的分形维数计算方法,也是目前用得较多的一种方法。随后, Kapan等人提出了非常吸引人的扩展分形特征。90年代以后,人们发现传统的纹理分析方法的一个瓶颈在于不能从多尺度有效描述纹理特征。小波理论的出现为时频多尺度分析提供了一个更为精确而统4一的框架。小波变换提供了一种在不同尺度上研究分析图像纹理细节的工具,为更精细地进行图像纹理
