灰度共生矩陣（GrayLevel Co-occurrence Matrix,GLCM）在圖像紋理提取上應(yīng)用極其廣泛,但依舊存在不足。文章在GLCM紋理提取算法的基礎(chǔ)上,引入局部二值模式（Local Binary Patterns,LBP）,以此來(lái)改變GLCM在不同方向上的不一致性,解決因選取GLCM方向的不同給研究帶來(lái)的誤差。經(jīng)實(shí)驗(yàn),該文章提出的GLCM-LBP紋理特征改進(jìn)方法,有效解決了方向不同帶來(lái)的問(wèn)題,同時(shí)計(jì)算量大幅減少。 

【文章來(lái)源】：電腦知識(shí)與技術(shù). 2020,16(31)

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

水平方向GLCM

LBP算法應(yīng)用3×3的子窗口來(lái)遍歷整幅影像，周圍八個(gè)像元的值大于或等于中間像元的值則賦為1，否則賦為0。將閾值化的值按順時(shí)針?lè)较颍ㄗ笊辖瞧穑┯涗浵聛?lái)形成的一串二進(jìn)制數(shù)，轉(zhuǎn)換為十進(jìn)制即中心像元的LBP值，如圖2。(1)記子窗口的中心像元值為gc，鄰近像元值為gp(p=0,1,…,7)，閾值化：

針對(duì)不同尺度下的紋理提取Ojala T等[7]在原始的LBP算法基礎(chǔ)上作出了改進(jìn)。引進(jìn)圓形鄰域(P,R),P表示該鄰域內(nèi)取樣的像元個(gè)數(shù)，R表示該圓形鄰域的半徑大小，結(jié)合插值法，該算子可靈活調(diào)整參數(shù)，適用于任意半徑和任意鄰域像元個(gè)數(shù)，不同尺度的紋理結(jié)構(gòu)如圖3。多尺度LBP算法與原始LBP算法類似，計(jì)算公式如下：

【參考文獻(xiàn)】：
期刊論文
[1]基于特征提取的健美操分解動(dòng)作圖像自適應(yīng)識(shí)別方法[J]. 陸付祥.  科學(xué)技術(shù)與工程. 2019(07)
[2]基于GLCM和LBP的局部放電灰度圖像特征提取[J]. 趙磊,朱永利,賈亞飛,張寧,郭小紅,袁亮.  電測(cè)與儀表. 2017(01)
[3]基于灰度共生矩陣的旋轉(zhuǎn)不變性改進(jìn)算法[J]. 張?chǎng)?魏海坤.  工業(yè)控制計(jì)算機(jī). 2016(06)
[4]基于LBP-GLCM紋理特征提取的服裝圖像檢索[J]. 李玥靈,吳國(guó)平,耿秀秀,杜曉駿.  電視技術(shù). 2015(12)
[5]融合方向測(cè)度和灰度共生矩陣的紋理特征提取算法研究[J]. 劉天時(shí),肖敏敏,李湘眷.  科學(xué)技術(shù)與工程. 2014(32)
[6]基于灰度共生矩陣的紋理提取方法研究[J]. 任國(guó)貞,江濤.  計(jì)算機(jī)應(yīng)用與軟件. 2014(11)
[7]基于灰度共生矩陣提取紋理特征圖像的研究[J]. 馮建輝,楊玉靜.  北京測(cè)繪. 2007(03)
[8]基于灰度共生矩陣的紋理圖像分類研究[J]. 郭德軍,宋蟄存.  林業(yè)機(jī)械與木工設(shè)備. 2005(07)

碩士論文
[1]基于局部二值模式和灰度共生矩陣的紋理特征提取技術(shù)研究[D]. 楊龍飛.蘭州大學(xué) 2016



本文編號(hào)：3329163