图像纹理特征提取方法

安徽大学本科毕业论文（设计、创作）题目：图像纹理特征提取方法研究学生姓名：朱邵成学号：Z01114175院（系）：电气工程与自动化学院专业：自动化入学时间：2011年9月导师姓名：寻丽娜职称/学位：讲师/博士导师所在单位：安徽大学电气工程与自动化学院完成时间：2015年5月图像纹理特征提取方法研究摘要近年来，随着信息多媒体时代的到来，以及网络在世界范围内的日益流行、云计算的风行，人们在日常生活工作接触的信息量越来越大。图像作为信息的一种载体，具有直观、信息量大、便于不同国家间交流的特点，是网络多媒体的重要组成部分。基于文本的图像检索是基于内容图像检索的基础，用人工方式解释图像信息，其工作量我们难以想象，可行性也值得商榷。因此CBIR方法有效解决了这一个难题。基于内容的图像检索（CBIR）包括四个阶段，分别是：获取图像、提取特征、分类图像、检索图像。图像检索主要是一个核心问题：选取何种算法提取哪一种图像特征，快速有效的进行图像的区分与检测。纹理特征的提取是CBIR的关键问题之一，本论文也是基于图像纹理特征的提取为基础。首先，本文使用基于纹理基元的共生矩阵分析方法，用来提取纹理特征向量。此方法中，采用局部二进制模式(LocalBinaryPattern，LBP)来进行图像的基本纹理基元的提取，并用灰度共生矩阵(GrayLevelCo．occurrenceMatrix，GLCM)中共生矩阵的分析方法来对纹理基元图像进行分析。其次文中深入研究了基于灰度共生矩阵(GLCM)的纹理特征提取方法，给出了基于Matlab的简便实现代码，分析了共生矩阵各个构造参数对构造共生矩阵的影响。分析结果对优化灰度共生矩阵的构造、实现基于灰度共生矩阵(GLCM)的特定图像的纹理特征提取等都具有重要参考意义。关键词：纹理特征；灰度共生矩阵；基于内容的图像检索；MatlabStudyontheextractionmethodofimagetexturefeatureAbstractInrecentyears,alongwithinformationmultimediatimearrival,aswellasnetworkinworldwidescaledaybydaypopular,cloudcomputationbeinginfashion,thepeoplearemoreandmorebiggerinthedailylifeworkcontactinformationcontent.Theimagetooktheinformationonekindofcarrier,has,theinformationcontentintuitivelybig,isadvantageousforthecharacteristicwhichbetweenthedifferentcountryexchanges,isthenetworkmultimediaimportantconstituent.Basedonthetextimageretrievalisbasedonthecontentimageretrievalfoundation,withtheartificialwayexplanationpictorialinformation,itsworkloadweimagineswithdifficulty,thefeasibilityisalsoworthdiscussing.ThereforeCBIRmethodeffectiveaddressingthisdifficultproblem.Basedoncontentimageretrieval(CBIR)includingfourstages,respectivelyis:Gainimage,extractioncharacteristic,classifiedimage,retrievalimage.Theimageretrievalmainlyisacorequestion:Whichonekindofimagecharacteristicselectswhatalgorithmtowithdraw,fasteffectivecarriesontheimagethediscriminationandtheexamination.ThetexturecharacteristicextractionisoneofCBIRkeyquestion,thepresentpaperalsoisbasedontheimagetexturecharacteristicextractionisafoundation.First,thispaperusedtheco-occurrencematrixbasedontextureprimitivetoextracttexturefeatureofimage．Inthismethod，itextractedbasictextureprimitiveofimagebyLocalBinaryPattem(LBP),andusedco-ccurrencematrixofgraylevelco-occurrencematrix(GLCM)toanalyzethetextureprimitiveimage.Themethodoftexturefeatureextractionbasedongraylevelco-occurrencematrix(GLCM)wasstudied.Analyzedtheeffectofeachparameteronconstructingtheco-occurrencematrixandimplementedthefeatureextractionusingMatlab.TheanalyticalresultsprovidevaluablereferenceforcreatingGLCMbetterandextractingtexturefeaturesofspecifickindsofimages．Keywords:texturefeature；graylevelco－occurrencematrix；basedoncontentimageretrieval；Matlab目录第1章绪论................................................................11.1前言..............................................................11.2研究背景和意义....................................................11.3国内外研究现状....................................................11.4研究方法..........................................................2第2章纹理的概念和表达方式...............................................32.1纹理的概念和特征..................................................32.2纹理特征的描述方法................................................42.2.1统计分析法....................................................42.2.1.1自相关函数................................................52.2.1.2边界频率..................................................52.2.1.3灰度共生矩阵法............................................52.2.2频谱法........................................................62.2.3结构法........................................................6第3章灰度共生距阵算法的具体分析与实现....................................73.1灰度共生矩阵基本原理和特征........................................73.2灰度共生矩阵的二次统计特征量......................................73.3灰度共生矩阵的Matlab实现.........................................93.3.1图像的前期处理................................................93.3.2Matlab实验获取二次统计特征量..................................93.4试验结果分析......................................................9第4章结束语............................................................11主要参考文献..............................................................12致谢......................................................................121第1章绪论1.1前言随着多媒体技术和互联网的迅速发展，数字图像的容量正以惊人的速度增长，无论是军用还是民用，无论是静态还是动态的，每天都会产生海量的图像信息。近年来大规模图像库的出现，管理、组织和利用图像成为一项亟待解决的技术难题，于是图像检索技术这种能够快速而且准确查找访问图像的技术应运而生。基于内容的图像检索（CBIR）是20世纪90年代兴起的新技术，其实质是图像特征相似性匹配检索。因其直观、高效、通用等特点，近年来在国际国内均是一个热门研究课题。1.2研究背景和意义随着信息多媒体时代的到来，以及网络在世界范围内的日益流行，云计算的风行，人们在日常生活工作接触的信息量越来越大。图像作为信息的一种载体，具有直观、信息量大、便于不同年国家间交流的特点，是网路多媒体的重要组成部分。基于文本的图像检索是基于内容图像检索的基础，用人工方式解释图像信息，它通过对图像进行手工注解，利用文本检索技术对图像进行关键字检索。然而其文本注解的主观性和不精确性会直接影响检索的可靠性。其工作量我们难以想象，可行性也值得商榷。因此基于内容的图像检索有效解决了这一难题。CBIR技术一般包括图像获取，特征提取，图像分类，图像检索四个阶段。基于内容的图像检索有两个核心问题：如何能够实现快速有效的图像分类与检索，其关键在于选用哪一种算法提取何种特征；如何建立有效的图像分类识别系统，其关键在于分类算法的选取。纹理特征作为显著的视觉特征，不仅不依赖于颜色或亮度，并且包含事物表面结构的排列与组织次序，表现出上下文内容的联系，反映图像中同质现象重复出现的视觉特征，因此纹理是基于内容的图像检索方法中非常重要的一种用于图像描述和分类的特征。目前其在许多重要工作重要领域都有其研究成果，如天气预报，其卫星云图与红外线图提取的纹理特征有很大差异，所以纹理特征可以应用在模式识别领域，作为模式识别的一个重要特征。在地球卫星上拍摄到的地球表面遥感图像大部分纹理特征非常明显，其表面的山川、陆地、沙漠、海洋以及大的城市建筑群都有不同的纹理特点，因此我们可以通过图像的纹理