基于灰度共生矩阵的遥感图像抗旋转性研究

发布时间：2021-08-08 03:51

　　灰度共生矩阵（GrayLevel Co-occurrence Matrix,GLCM）在图像纹理提取上应用极其广泛,但依旧存在不足。文章在GLCM纹理提取算法的基础上,引入局部二值模式（Local Binary Patterns,LBP）,以此来改变GLCM在不同方向上的不一致性,解决因选取GLCM方向的不同给研究带来的误差。经实验,该文章提出的GLCM-LBP纹理特征改进方法,有效解决了方向不同带来的问题,同时计算量大幅减少。 

【文章来源】：电脑知识与技术. 2020,16(31)

【文章页数】：4 页

【部分图文】：

水平方向GLCM

LBP算法应用3×3的子窗口来遍历整幅影像，周围八个像元的值大于或等于中间像元的值则赋为1，否则赋为0。将阈值化的值按顺时针方向（左上角起）记录下来形成的一串二进制数，转换为十进制即中心像元的LBP值，如图2。(1)记子窗口的中心像元值为gc，邻近像元值为gp(p=0,1,…,7)，阈值化：

针对不同尺度下的纹理提取Ojala T等[7]在原始的LBP算法基础上作出了改进。引进圆形邻域(P,R),P表示该邻域内取样的像元个数，R表示该圆形邻域的半径大小，结合插值法，该算子可灵活调整参数，适用于任意半径和任意邻域像元个数，不同尺度的纹理结构如图3。多尺度LBP算法与原始LBP算法类似，计算公式如下：

【参考文献】：
期刊论文
[1]基于特征提取的健美操分解动作图像自适应识别方法[J]. 陆付祥.  科学技术与工程. 2019(07)
[2]基于GLCM和LBP的局部放电灰度图像特征提取[J]. 赵磊,朱永利,贾亚飞,张宁,郭小红,袁亮.  电测与仪表. 2017(01)
[3]基于灰度共生矩阵的旋转不变性改进算法[J]. 张鑫,魏海坤.  工业控制计算机. 2016(06)
[4]基于LBP-GLCM纹理特征提取的服装图像检索[J]. 李玥灵,吴国平,耿秀秀,杜晓骏.  电视技术. 2015(12)
[5]融合方向测度和灰度共生矩阵的纹理特征提取算法研究[J]. 刘天时,肖敏敏,李湘眷.  科学技术与工程. 2014(32)
[6]基于灰度共生矩阵的纹理提取方法研究[J]. 任国贞,江涛.  计算机应用与软件. 2014(11)
[7]基于灰度共生矩阵提取纹理特征图像的研究[J]. 冯建辉,杨玉静.  北京测绘. 2007(03)
[8]基于灰度共生矩阵的纹理图像分类研究[J]. 郭德军,宋蛰存.  林业机械与木工设备. 2005(07)

硕士论文
[1]基于局部二值模式和灰度共生矩阵的纹理特征提取技术研究[D]. 杨龙飞.兰州大学 2016



本文编号：3329163