[發(fā)明專利]一種基于矩陣分析的圖像紋理提取方法

在審

• 申請?zhí)枺?/td>: 201711225115.0
• 申請日: 2017-11-29
• 公開（公告）號: CN107833247A
• 公開（公告）日: 2018-03-23
• 發(fā)明（設計）人: 劉貴全;葉劍鳴;印金汝
• 申請（專利權）人: 合肥赑歌數(shù)據(jù)科技有限公司
• 主分類號: G06T7/60
• 分類號: G06T7/60
• 代理公司: 上海精晟知識產(chǎn)權代理有限公司31253
• 代理人: 馮子玲

技術領域

本發(fā)明涉及圖像特征分析方法領域，尤其涉及一種基于矩陣分析的圖像紋理提取方法。

背景技術

圖像的紋理特征在圖像檢索中被廣泛使用，其是一種重要的圖像信息獲取手段，廣泛應用于圖像處理、計算機視覺和圖像檢索中。紋理特征處理已經(jīng)成為計算機圖像研究的重點領域，主要的研究內容涵蓋了紋理分割、紋理分類、紋理合成、紋理修正、紋理檢索等。良好的紋理特征提取算法，是對圖像紋理分割、分類和描述的重要保障。紋理特征通過人類視覺感知物體光影變化，反應了圖像子空間中鄰近像素相關關系，是圖像識別表示中的又一重大屬性。

圖像中的紋理數(shù)據(jù)主要根據(jù)圖像的灰度不斷變換進行判定，圖像中的某一子空間中相隔一定距離內的兩個像素點存在一定的灰度相關關系，即圖像在灰度空間中的紋理相關特性，其是一種描述紋理信息的重要途徑。而全面的對圖像對象的紋理特征信息進行分析處理，成為提升圖像特征分析和圖像相似度檢索的重要前提。

發(fā)明內容

本發(fā)明要解決的技術問題是提供一種基于矩陣分析的圖像紋理提取方法，通過全面的對圖像對象的紋理特征信息進行分析處理，從而更加高效精準進行相應的圖像特征分析和圖像相似度檢索。

為解決上述技術問題，本發(fā)明是通過以下技術方案實現(xiàn)的：

本發(fā)明提供一種基于矩陣分析的圖像紋理提取方法，包括建立圖像灰度共生矩陣模型；設立相應寬度和高度的圖像范圍數(shù)據(jù)，分析任意像素點與其偏離像素點的灰度差值，分析圖像灰度值的等級差數(shù)，對任意像素點的等級差數(shù)進行遍歷分析，分析相應的等級差數(shù)出現(xiàn)的次數(shù)及相應的總次數(shù)；包括分析圖像紋理特征信息，對圖像紋理覆蓋面積進行分析，對圖像灰度分布均勻程度進行分析，對圖像紋理的隨機特性進行相應分析，對圖像紋理自相關性進行分析。

進一步的，灰度共生矩陣中設立一個寬度為n、高度為m的圖像數(shù)據(jù)I_m×n；分析任意像素點I_i,j與其偏離像素點I_i+hf,j+wf之間的灰度差值(k_i′,k_j′)，設立圖像灰度值的等級差數(shù)為K，則I_i,j與I_i+hf,j+wf之間的灰度差值(k_i′,k_j′)共有K²種表示方法；對任意像素點I_i,j進行遍歷求解各個像素對應的k值，統(tǒng)計每一個(k_i′,k_j′)值對出現(xiàn)的次數(shù)。

設立圖像顏色特征I_color＝[μ_H,σ_H,s_H,μ_S,σ_S,s_S,μ_V,σ_V,s_V]。

并用總次數(shù)N＝#分析出圖像顏色特征I_color唯一出現(xiàn)概率p(k_i′,k_j′)。灰度共生矩陣歸一化公式：

進一步的，利用灰度共生矩陣分析圖像紋理特征信息；計算角二階矩：分析圖像紋理覆蓋面積和圖像灰度分布均勻程度，分析圖像紋理自相關性。

進一步的，分析計算圖像信息熵值：通過上述公式分析圖像紋理分布的同質性，度量紋理分布的局部變化特征。

進一步的，結合相應灰度像素點的方向向量公式：

其中，其中，對圖像對象灰度像素點的方向向量進行相應分析，分析相應方向的紋理相似程度。

與現(xiàn)有的技術相比，本發(fā)明的有益效果是：

本發(fā)明通過對圖像對象進行相應的分析處理，分析出圖像的紋理和灰度分布情況，并通過對圖像對象的圖像信息熵進行分析計算，將圖像對象的圖像平整程度和紋理均勻性進行量化分析；通過對圖像紋理自相關性進行分析處理，并與圖像灰度像素點的方向向量結合，從而有效進行圖像特征分析。

附圖說明

圖1為本發(fā)明中圖像信息熵測試A圖像示意圖；

圖2位本發(fā)明中圖像信息熵測試B圖像示意圖。

具體實施方式

為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

具體實施例一：