本文關(guān)鍵詞：基于多階環(huán)形結(jié)構(gòu)量子算法的圖像紋理檢測研究

  更多相關(guān)文章： 成像系統(tǒng) 多階環(huán)形 量子 紋理檢測

【摘要】：為了提高圖像紋理檢測的效果,采用多階環(huán)形結(jié)構(gòu)量子算法。建立了量子多階環(huán)形結(jié)構(gòu),每個(gè)量子不僅可以與自身環(huán)溝通,還可以與不同階的環(huán)溝通,每個(gè)量子可以選擇自身左右相連的兩個(gè)量子作為鄰居,也可以在相鄰環(huán)上隨機(jī)選擇其他量子作為鄰居,其選擇相鄰環(huán)或者跨環(huán)上的數(shù)量隨機(jī)決定,環(huán)的優(yōu)劣決定了環(huán)在多階環(huán)中的位置,自適應(yīng)選擇每階量子個(gè)體參與優(yōu)化的概率。確定了量子節(jié)點(diǎn)信息被共享概率,包括全階共享概率和同階共享概率;通過幅度、符號(hào)、灰度級(jí)構(gòu)成圖像紋理的局部二值檢測模型,鄰域灰度的均方差描述紋理復(fù)雜度;并給出了算法流程。實(shí)驗(yàn)仿真顯示,該算法檢測紋理清晰,紋理連貫性較好,同時(shí)處理時(shí)間、熵值、平均梯度指標(biāo)較好。
【作者單位】： 福建商學(xué)院信息管理工程系;
【關(guān)鍵詞】： 成像系統(tǒng) 多階環(huán)形 量子 紋理檢測
【基金】：福建省教育廳基金項(xiàng)目(JA14399)
【分類號(hào)】：TP391.41
【正文快照】： 圖像可分解為許多不同的紋理區(qū)域,同時(shí)紋理信息比較豐富[1],是圖像基元灰度統(tǒng)計(jì)信息、空間分布信息和結(jié)構(gòu)信息的綜合反映,紋理檢測可獲得紋理的定量和定性描述過程[2]�；叶裙采仃�(GLCM)算法通過共生矩陣的方向性提取圖像灰度級(jí)差,獲得紋理信息,但該算法僅反映某一方向上的

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 孟勇,洪丹輝,毛丹;測度熵在圖像紋理分析中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用與軟件;2000年08期

2 吳濤;秦昆;;圖像紋理特征數(shù)據(jù)挖掘的理論與方法探討[J];計(jì)算機(jī)時(shí)代;2006年08期

3 方玲玲;王相海;;圖像挖掘研究[J];計(jì)算機(jī)科學(xué);2009年08期

4 高振宇;楊曉梅;龔劍明;金海;;圖像復(fù)雜度描述方法研究[J];中國圖象圖形學(xué)報(bào);2010年01期

5 劉勇,施萬昌,徐玉蘭;圖像差異的分析與識(shí)別[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);2000年05期

6 羅l，

本文編號(hào)：1113827