论文总字数：23588字

目 录

第一章绪论 1

1.1研究的背景 1

1.2国内外相关技术的研究现状 2

1.2.1图像数字处理研究现状 2

1.2.2 Matlab研究现状 2

1.2.3图像纹理特征提取研究现状 2

1.3论文主要内容 4

1.4论文章节结构 4

1.5本章小结 4

第二章图像处理中的纹理特征提取 5

2.1纹理基本概念 5

2.1.1纹理定义 5

2.1.2纹理类型 5

2.1.3纹理特性 5

2.2纹理特征提取方法 5

2.2.1 统计方法 5

2.2.2频谱法 6

2.2.3模型方法 7

2.2.4 结构方法 7

2.3本章小结 7

第三章灰度共生和Gabor滤波器纹理特征提取 8

3.1灰度共生矩阵 8

3.1.1灰度共生矩阵的定义与计算 8

3.1.2 灰度共生矩阵的二阶统计量 9

3.1.3 灰度共生矩阵的特征提取算法 10

3.2 Gabor滤波器 10

3.2.1 Gabor滤波器的定义与计算 10

3.2.2二维Gabor滤波器 10

3.2.3基于Gabor滤波器的纹理特征提取 12

3.3本章小结 13

第四章实验仿真与分析 14

4.1实验整体流程及原理 14

4.1.1基于灰度共生矩阵程序仿真分析 14

4.1.2基于Garbor滤波器程序分析 19

4.1.3两者对比实验 21

4.2实验结果及分析 22

4.3本章小结 22

第五章总结与展望 23

5.1 论文总结 23

5.2对论文的思考与展望 23

参考文献 24

致谢 25

附录 26

图像纹理特征提取方法研究和仿真

吴雨

，China

Abstract：With the development of digital network, we are dazzled by the appearance of various images on the Internet, and how to get the picture information we need is a new subject of current research. This opens up new development space for image texture analysis technology. Because the texture is the object itself unique attributes, so add texture analysis in image analysis technique for obtaining image information is an important technical method, image texture analysis is mainly through the study of the classification of image texture information in obtaining, to get the image peculiar feature parameter values are obtained by the analysis of the technology. Image texture feature extraction is good or bad will directly affect the access to information as well as the next image processing, the implementation of the whole system, thus has important significance that this technique is also the present research hot spot. In this paper, two commonly used methods of image texture feature extraction, grayscale symbiosis matrix analysis and Gabor filter analysis are introduced, and two methods are analyzed by experimental simulation.

Key words：Image texture; Texture feature extraction; Gray level co-occurrence matrix;Gabor filter

第一章绪论

1.1研究的背景

这是个信息爆炸的时代，伴随而来的大数据、云计算等很多生僻难懂的专业术语让人们很难理解接受，这时用几张图片或许比用一大堆语言更容易让人一目了然。图像的存在不仅仅方便了人们在日常生活中的信息表达，还在很多方面提供便利，比如传输上、存储上。显然，随着数字智能时代的到来，各种图像采集设备越来越完善，读图时代悄然到来。正是由于这些网络图片一窝蜂的涌入人们的视野，这让从中提取有效信息变得十分重要。随着计算机视觉技术的快速发展，很多图像处理技术也逐渐走向成熟并且已在图像特征分析技术领域应用实施，将图像特征提取技术进一步运用其中还可以用于图像分类、图像分割以及目标识别等研究领域^[1]。当下市场上有很多成功的案例，像360搜索、百度以及谷歌等浏览器先后推出图片搜索服务，以及淘宝购物直接可以根据实物扫描，直接搜索到目标图片进行购买选择，等等应用都为人们日常上网搜索提供了便利。

人们对图像的认知主要来源于图像的纹理特征，纹理是人眼观察物体的视觉线索,它是物体自身表面的一种独有属性，是普遍存在图像中，并且有一定的规律。纹理特征可以用于描述物体的一些性质，例如表面粗糙程度、规则性和方向性等等，在建立机器视觉系统中，它发挥着重要的作用，一直应用在图像分析、机器学习、神经网络图像检索等研究领域，并且取得了一定的成果。其中纹理分析应用属于研究的基础,其内容主要包括几个方面: 纹理分类和分割、纹理合成、纹理检索和纹理恢复形状^[2]。这里纹理分析研究最基础的问题就是纹理特征提取。

纹理分析涉及诸多研究领域，例如人工智能、机器学习、神经网络以及大数据分析等领域。在对图像纹理表述、分类与分离的过程中最根本的就是纹理特征提取,并且提取的纹理特征的好坏直接会影响到图片后续处理的质量。通常提取纹理特征过程中,第一要找出能够反映纹理特征的参量,第二要通过特定分析、变换从中提取有效的特征，最后根据所得特征对其纹理描述、分类。在纹理特征提取操作中要想取得良好的效果要注意，一是提取的纹理特征维数要小，其鉴别能力要强，稳定性好；二是提取过程计算量小,三是在实际运用中可行、可操作。

半个世纪前,人们就已经感受到纹理特征提取的重要性,接着开始探索图像纹理特征提取的方法。纹理特征提取方法有很多种，因为纹理特征提取的好坏直接影响之后图像处理整个系统的实施操作，所以在不同提取条件下要慎重选择提取方法，这样有利于获得更好的提取效果，因此纹理特征提取方法作用不言而喻。总的来看，纹理特征提取技术与方法将继续在纹理分类与分割中扮演着非常重要的角色。

本文主要研究图像纹理特征提取效果比较好的几种方法，以及介绍其相关函数以及相关算法，将着重介绍两种纹理特征提取方法，灰度共生矩阵纹理特征提取分析法和Gabor滤波器法。其中，灰度共生矩阵纹理特征提取分析法原理是，通过对图像上保持一段距离的两个像素分别具有的一些灰度的信息进行统计，反映图像在不同方向、不同间隔、不同变化幅度以及快慢等的纹理信息。Gabor滤波分析法原理是短时窗口傅里叶变换中，当窗函数为高斯函数的一个特例，由于Gabor滤波器在表达上与人类视觉系统模式很相像。因此， Gabor滤波器也被经常用来对纹理进行描述与分离^[2]。

1.2国内外相关技术的研究现状

1.2.1图像数字处理研究现状

数字图像处理，其最大特点是可以将图像信号转换成数字信号，且利用计算机对其进行处理的过程^[3]。20世纪50年代，数字图像处理技术发展起来，当时的电子计算机应用也趋于成熟，人们开始使用计算机对图像信息进行操作处理。20世纪60年代初期，数字图像处理发展为一门学科。图像处理是一种通过改善图像的质量以此来改善人的视觉效果的处理技术。效果比较好的图像处理方法有，图像增强、图像复原、编码、压缩等^[4]。由于计算机技术和数字图像处理技术的飞速发展，加上很多学科的融入，使得图像处理技术在信息获取以及信息的利用等方面应用越来越广泛。目前，此技术已在农业、医疗保健、航海航空、机械制造等很多领域应用起来，在国家经济中发挥着越来越重要的作用^[5]。

1.2.2Matlab研究现状

Matlab是一套可用于复杂数值计算和可以程序仿真图形处理的工程软件，它将数值计算分析、矩阵运算、图像处理、信号处理和程序仿真等集成于一体的便捷人性化用户环境^[6]。Matlab语言操作起来比较简单，它是一种效率高、功能强的编程语言。学习使用起来非常容易入手，方便理解掌握图像处理方法和概念，从而解决相关问题。

Matlab得到了很多专家学者的关注，其在应用方面很快扩展到不同领域。通过使用此工具，研究人员们可更加直观、方便地实施工作，非常便捷省时间。目前，Matlab是使用最为广泛的工程应用软件。

1.2.3图像纹理特征提取研究现状

专家们经过对图像纹理特征提取进行研究后，在机器学习和人工智能等领域已取得了丰硕的研究成果。国外专家主要进行纹理特征提取和其运算规则进行研究，也涉及算法的应用及改进研究；国内专家的研究大多是集中在各种算法的改进方面，和具体计算方法的具体应用。纹理分析一般研究两个方向，一种是纹理特征提取方法研究，另一种是纹理分类方法研究^[7]。目前提取技术还是使用传统的灰度特征以及其他的相关特征，实现图像像素的全面展现。通过研究对比，发现利用多种特征融合，可以进一步实现多种提取方法的结合。因为需要处理的图像情况多样，在成像上也会出现不确定性，因此常常采用提取方法的结合来解决实际问题。特别是在提取复杂图像时，单一的方法是不可能达到想要的效果，必须实施多种技术的融合，更好的发挥各种技术各自的优点，最终使得图像达到理想的效果。考虑到图像特征提取具有多样性以及复杂性，在处理的过程中，另外要考虑其与多种图像分割技术是否相对应，现有的理论和方法可能还完成不了实际复杂图像的处理的要求，面对实际问题还需要进一步研究。目前，针对特征提取技术，暂时还没有实现统一有效的模式，在理论方面也正在努力完善中。在研究分析算法过程中，我们除了考虑以上因素，还要考虑算法的通用性，准确率以及自动化程度^[8]。

目前图像纹理特征提取有效的方法为:统计法、频谱法、模型法、结构法^[9]。

剩余内容已隐藏，请支付后下载全文，论文总字数：23588字

相关图片展示：