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

发布时间：2017-09-23 12:10

  本文关键词：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

  更多相关文章： 纹理特征 特征提取 图像分类 局部二值模式 局部相对相二值模式 旋转不变 灰度共生矩阵

【摘要】：随着网络和多媒体技术的发展,数字图像的应用变得更为广泛,对图像的分析和处理日益重要。纹理特征作为图像的底层特征,能够综合反映出图像的灰度级统计、空间分布和结构信息。因此,提取出有效的纹理特征对于图像的分类和检索起着重要的作用。图像分类过程包括图像特征提取和相似性度量两个阶段,而相似性度量方法经过多年的研究已经趋于成熟,所以本文重点讨论了图像的纹理特征提取技术。相对相是一种新的图像信息提取技术。在图像变换域中,相位信息体现出奇异发生的位置,系数的模值体现了变化的强度。局部二值模式(Local Binary Pattern,LBP)能够反映出图像像素点间的微观结构,被广泛地用于纹理图像分类并取得较高的分类正确率。经过深入研究相对相和LBP,本文提出了局部相对相二值模式并设计出LRPBP(Local Relative Phase Binary Pattern)方法。该方法首先通过Gabor变换得到图像的相对相信息,在此基础上使用LBP进行纹理特征提取,使用相对相信息构造出图像的局部结构作为纹理特征并应用于图像分类中。实验表明本文提出的LRPBP方法能够取得比LBP更高的分类正确率。一幅图像中包含着丰富的信息,图像的一种属性通常只能提取出图像的一部分信息,在对图像进行分类时往往没有基于多特征的分类效果好。因此,为了提高图像检索正确率,本文结合LBP和LRPBP提取纹理特征并对纹理图像进行分类。实验证明采用多特征时对图像进行分类的效果要优于使用单一特征的分类效果。最后,论文对旋转不变纹理图像分类技术做了初步探索,提出一种小波域中基于灰度共生矩阵的旋转不变纹理特征提取方法。该方法在小波域的低频子带上计算灰度共生矩阵,并计算低频、高频部分的统计特征,最后将二者结合共同作为图像的纹理特征进行纹理图像分类。实验证明本文提出的基于灰度共生矩阵和统计信息的特征提取方法在旋转不变纹理图像分类中能够取得较好的分类效果。
【关键词】：纹理特征 特征提取 图像分类 局部二值模式 局部相对相二值模式 旋转不变 灰度共生矩阵
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要3-4
• Abstract4-8
• 第一章 绪论8-16
• 1.1 研究背景8-10
• 1.2 图像检索研究现状及成果10-13
• 1.2.1 图像检索技术的研究现状10-12
• 1.2.2 国内外的研究成果12-13
• 1.3 本文研究工作的内容13-14
• 1.4 论文的组织结构14-16
• 第二章 纹理特征提取技术16-22
• 2.1 纹理特征及其定义16-17
• 2.2 纹理描述方法17-22
• 2.2.1 统计法17-19
• 2.2.2 模型法19-20
• 2.2.3 结构法20
• 2.2.4 信号处理法20-22
• 第三章 基于局部二值模式的纹理特征提取22-41
• 3.1 相关概念22-26
• 3.1.1 局部二值模式22-24
• 3.1.2 Gabor变换24-25
• 3.1.3 相对相25-26
• 3.2 纹理特征提取26-29
• 3.2.1 LRPBP特征提取方法26-29
• 3.2.2 相似性度量方法29
• 3.3 分类方法设计29-30
• 3.4 纹理图像分类实验及分析30-36
• 3.4.1 Brodatz纹理图像分类实验30-33
• 3.4.2 Vistex纹理图像分类实验33-36
• 3.5 基于多特征的纹理图像分类36-40
• 3.5.1 特征提取36
• 3.5.2 Bradatz纹理图像分类实验36-38
• 3.5.3 Vistex纹理图像分类实验38-40
• 3.6 本章小结40-41
• 第四章 基于灰度共生矩阵的旋转不变纹理特征提取41-49
• 4.1 相关概念42-43
• 4.1.1 离散小波变换42
• 4.1.2 灰度共生矩阵42-43
• 4.2 特征提取43-45
• 4.2.1 计算GLCM43
• 4.2.2 计算子带系数方差43-45
• 4.3 分类方法设计45
• 4.4 纹理图像分类实验及分析45-48
• 4.4.1 Brodatz纹理图像分类实验45-47
• 4.4.2 Vistex纹理图像分类实验47-48
• 4.5 本章小结48-49
• 第五章 工作总结及展望49-51
• 5.1 论文主要工作49
• 5.2 研究展望49-51
• 参考文献51-55
• 在学期间研究成果55-56
• 致谢56

【相似文献】

中国期刊全文数据库 前10条

1 苏静;黎明;;基于灰度共生矩阵的金属断口图像的分类研究[J];计算机工程与应用;2008年09期

2 高士忠;卢易枫;蔡振伟;党霞;;基于灰度共生矩阵的帘子布疵点检测研究[J];电子技术应用;2008年01期

3 郭森;严和平;柳伟;;基于灰度共生矩阵的密集人群人数估计[J];计算机工程与应用;2008年28期

4 张航;颜永丰;;基于小波灰度共生矩阵的植物分类研究[J];计算机工程与设计;2012年12期

5 魏建亮;邢济收;;基于灰度共生矩阵的车刀车削工件表面纹理分析[J];机械制造与自动化;2009年01期

6 徐秋景;戚大伟;;基于灰度共生矩阵的东北虎纹理特征参数[J];东北林业大学学报;2009年07期

7 张静;刘雨东;史晓陶;翟春平;;基于灰度共生矩阵的舰船噪声特征提取方法研究[J];舰船电子工程;2011年06期

8 许舒斐;吴淑莲;李晖;;基于灰度共生矩阵的人体皮肤纹理分析[J];激光生物学报;2011年03期

9 汪友生;吴焕焕;胡百乐;李亦林;陈建新;;基于灰度共生矩阵的动脉斑块图像特征分析[J];电子测量技术;2012年02期

10 杨子华;吴敏;刘t$;;基于灰度共生矩阵的笔迹识别[J];信息安全与通信保密;2006年06期

中国重要会议论文全文数据库 前10条

1 王亚军;李德胜;苏少昌;王希军;;基于灰度共生矩阵的光盘测量[A];第十二届全国光学测试学术讨论会论文（摘要集）[C];2008年

2 黄勃;李乃民;刘春雨;张大鹏;王宽全;林晓东;张宏;王淑英;张宏志;;基于灰度共生矩阵的中医虚实证舌象分类研究[A];第一届全国中西医结合诊断学术会议论文选集[C];2006年

3 卢易枫;;基于灰度共生矩阵的金刚石瑕疵自动识别技术研究[A];经济策论（上）[C];2011年

4 赵亚伟;周晨波;王同乐;王刚;郭冰;刘华;;基于灰度共生矩阵的连续多幅非平面散斑图像特征研究[A];第十三届全国光学测试学术讨论会论文（摘要集）[C];2010年

5 陈明丽;黄咏红;单洁玲;杨永明;秦茜淼;王怡;;探讨适用于大鼠肝纤维化声像图纹理灰度共生矩阵分析的构造因子[A];2010年超声医学和医学超声论坛会议论文集[C];2010年

6 苏慧;费树岷;;基于多分辨率分析及灰度共生矩阵的织物纹理识别[A];第25届中国控制会议论文集（下册）[C];2006年

7 马德新;杨帆;侯景忠;高金乔;;基于灰度共生矩阵的掌纹识别技术研究[A];第六届全国信息获取与处理学术会议论文集（2）[C];2008年

8 高砚军;徐华平;;基于窗口自适应灰度共生矩阵的SAR图像分类[A];第六届全国信息获取与处理学术会议论文集（1）[C];2008年

9 蒋圣;羌鑫林;汪闽;;基于灰度共生矩阵改进的纹理分割算法[A];江苏省测绘学会2007年学术年会论文集[C];2008年

10 严洪;姚宇华;熊江辉;;基于灰度共生矩阵和分形的细胞骨架图像的分析[A];第十二届全国图象图形学学术会议论文集[C];2005年

中国博士学位论文全文数据库 前2条

1 张娟;基于图像分析的梅花种类识别关键技术研究[D];北京林业大学;2011年

2 刘成霞;模拟实际着装的织物折皱测试及等级评价方法研究[D];浙江理工大学;2015年

中国硕士学位论文全文数据库 前10条

1 袁森林;基于纹理分析的羊绒羊毛鉴别[D];东华大学;2016年

2 井寒;面向X光胸片的尘肺病灶辅助检测系统研究[D];西北大学;2015年

3 童逸舟;基于图像处理的智能割草机器人路径规划研究[D];浙江理工大学;2016年

4 杨龙飞;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];兰州大学;2016年

5 阮久忠;基于灰度共生矩阵纹理参数的非平面表面粗糙度研究[D];烟台大学;2009年

6 黄晶;基于分形维度与灰度共生矩阵的图像分类研究[D];武汉理工大学;2008年

7 肖倩;基于平均灰度共生矩阵和特征的LSB匹配隐密分析[D];大连理工大学;2011年

8 徐秋景;基于空间灰度共生矩阵和Hu不变矩的东北虎个体识别[D];东北林业大学;2009年

9 李进;基于灰度共生矩阵的森林纹理构造因子确定方法研究[D];浙江农林大学;2010年

10 李陆陆;基于灰度共生矩阵和MRF的纹理图像分割[D];辽宁师范大学;2013年

，

本文编号：905171