基于灰度共生矩阵的图像纹理分析系统设计
时间:2016-12-22 11:34 来源:毕业论文 作者:毕业论文 点击:次
| 摘 要：图像特征包括形状，颜色，纹理等。其中，纹理通常定义为图像的某种局部性质，或是对局部区域中像素之间关系的一种度量。纹理特征是从纹理图像中计算出来的一个值，它对纹理内部灰度级变化的特征进行量化。此次设计中本人利用灰度共生矩阵的统计方法，对图像熵，能量，惯性矩，逆差矩四个特征进行提取。将海洋，城市，乡村，森林四种类型的bmp图像进行处理，通过这四个纹理特征值的不同判断不同图片的类型。4654 关键字：图像纹理; 共生矩阵; 熵; 能量 Based on Gray Symbiotic Matrix of Image Texture Analysis Shampoo Cream ABSTRACT：Image characteristics include shape, color, texture and so on . Texture is usually defined as the image of a local nature, or a measure among the pixels relationships. Texture features is calculated from the texture image, it quantifies within the gray-scale. The typical representative is called GLCM texture analysis. In the design I extract the image entropy, energy, moment of inertia, local smooth in GLCM statistical method. Using batch processing to the bmp images of the oceans, cities, villages, forests , according to different statistics determine the types of pictures. KEY WORDS: textures, gray level co-occurrence matrix, entropy, energy 目 录 摘 要 - 1 - 引 言 - 1 - 1．发展现状和研究内容 - 2 - 2．图像及其纹理特征提取分析 - 2 - 2.1图像格式的选择 - 2 - 2.2 24位真彩色图像存储格式 - 2 - 2.3图像纹理提取方法 - 3 - 3．基于共生矩阵的纹理特征提取算法 - 5 - 3.1算法分析 - 5 - 3.2 设计流程 - 9 - 4．总结与展望 - 13 - 4.1总结 - 13 - 4.2展望 - 13 - 参考文献 - 15 - 致 谢 - 16 - 基于灰度共生矩阵的图像纹理分析系统 引 言 随着科技的快速发展,图像越来越成为人类生活和工作中用于传递信息和进行交流的重要数据载体,图像的有效表示是进一步处理图像的重要基础。用各种观察系统取得的图像很多都是纹理型的,可以通过图像的纹理分析提取许多有价值的宏观信息。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。纹理特征提取的目标是：提取的纹理特征文数不大、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。 1．发展现状和研究内容 图像内容中的纹理特征是当今研究的热点之一，通过几十年的研究，产生了许多纹理的研究方法，小波变换,共生矩阵等。图像分类作为计算机视觉领域研究的重点和难点，在模式分类，多分辨率领域，多尺度研究领域等多个方面都有丰硕的研究成果。如K-means算法、模糊分类、PLSA分类法、遗传算法、Boost算法、支持向量机方法等。 传统的金字塔小波分解变换，仅对低频部分进行分解，因此这种情况对于纹理分类效果欠佳。树结构的小波变换和小波包分析则克服了这一缺点，灰度共生矩阵（GLCM）方法用于遥感图像分类效果较好，其次是半方差图方法。基于MRF模型的纹理图像分割因需要很大的计算量，通常需要迭代数百次才能收敛。这些方法各有优缺点。因此，研究算法的改进方法和算法的组合是纹理分析研究的一个重要方向。 本论文是基于二阶矩的图像纹理表示，在共生矩阵的基础上计算出图像熵，能量，惯性矩和局部平稳，通过提取不同的特征值，来正确判断海洋，森林，城市乡村四种类型图像。论文的组织如下：第1章 图像及其纹理特征提取分析 第2章 基于共生矩阵的纹理特提取算法、第3章主要是在这次设计中遇到的问题、解决方法以及对此次设计的总结。 (责任编辑：qin) |