如果您无法下载资料,请参考说明:
1、部分资料下载需要金币,请确保您的账户上有足够的金币
2、已购买过的文档,再次下载不重复扣费
3、资料包下载后请先用软件解压,在使用对应软件打开
安徽大学本科毕业论文(设计、创作)题目:图像纹理特征提取方法研究学生姓名:朱邵成学号:Z01114175院(系):电气工程与自动化学院专业:自动化入学时间:2011年9月导师姓名:寻丽娜职称/学位:讲师/博士导师所在单位:安徽大学电气工程与自动化学院完成时间:2015年5月图像纹理特征提取方法研究摘要近年来,随着信息多媒体时代得到来,以及网络在世界范围内得日益流行、云计算得风行,人们在日常生活工作接触得信息量越来越大.图像作为信息得一种载体,具有直观、信息量大、便于不同国家间交流得特点,就是网络多媒体得重要组成部分。基于文本得图像检索就是基于内容图像检索得基础,用人工方式解释图像信息,其工作量我们难以想象,可行性也值得商榷。因此CBIR方法有效解决了这一个难题。基于内容得图像检索(CBIR)包括四个阶段,分别就是:获取图像、提取特征、分类图像、检索图像。图像检索主要就是一个核心问题:选取何种算法提取哪一种图像特征,快速有效得进行图像得区分与检测。纹理特征得提取就是CBIR得关键问题之一,本论文也就是基于图像纹理特征得提取为基础.首先,本文使用基于纹理基元得共生矩阵分析方法,用来提取纹理特征向量。此方法中,采用局部二进制模式(LocalBinaryPattern,LBP)来进行图像得基本纹理基元得提取,并用灰度共生矩阵(GrayLevelCo。occurrenceMatrix,GLCM)中共生矩阵得分析方法来对纹理基元图像进行分析。其次文中深入研究了基于灰度共生矩阵(GLCM)得纹理特征提取方法,给出了基于Matlab得简便实现代码,分析了共生矩阵各个构造参数对构造共生矩阵得影响。分析结果对优化灰度共生矩阵得构造、实现基于灰度共生矩阵(GLCM)得特定图像得纹理特征提取等都具有重要参考意义。关键词:纹理特征;灰度共生矩阵;基于内容得图像检索;MatlabStudyontheextractionmethodofimagetexturefeatureAbstractInrecentyears,alongwithinformationmultimediatimearrival,aswellasnetworkinworldwidescaledaybydaypopular,cloudputationbeinginfashion,thepeoplearemoreandmorebiggerinthedailylifeworkcontactinformationcontent、Theimagetooktheinformationonekindofcarrier,has,theinformationcontentintuitivelybig,isadvantageousforthecharacteristicwhichbetweenthedifferentcountryexchanges,isthenetworkmultimediaimportantconstituent、Basedonthetextimageretrievalisbasedonthecontentimageretrievalfoundation,withtheartificialwayexplanationpictorialinformation,itsworkloadweimagineswithdifficulty,thefeasibilityisalsoworthdiscussing、ThereforeCBIRmethodeffectiveaddressingthisdifficultproblem、Basedoncontentimageretrieval(CBIR)includingfourstages,respectivelyis:Gainimage,extractioncharacteristic,classifiedimage,retrievalimage、Theimageretrievalmainlyisacorequestion:Whichonekindofimagecharacteristicselectswhatalgorithmtowithdraw,fasteffectivecarriesontheimagethediscriminationandtheexamination、ThetexturecharacteristicextractionisoneofCBIRkeyquestion,thepresentpaperalsoisbasedontheimagetexturecharacteristicextractionisafoundation、First,thispaperusedtheco—occurrencematri