共查询到16条相似文献，搜索用时 312 毫秒
1.
基于ETM~+的遥感影像信息提取研究 总被引：2，自引：0，他引：2
以沈阳市苏家屯区为试验区,对ETM+图像的光谱信息和纹理信息进行综合分析,以达到提高影像分类精度的目的.利用光谱信息提取水体、植被;采用基于灰度共生矩阵的纹理量的分类法,通过TM5波段提取灰度共生矩阵和灰度联合矩阵,计算并提取最能反映类别差异的纹理量值将光谱信息混淆的水田、旱田、居民地用分离,得到最终的分类结果.结果表明:将纹理特征应用于图像分类中可区分光谱混淆的地类,光谱与纹理特征结合得到的分类精度要高于单纯光谱的分类精度. 相似文献
2.
为了提高遥感影像分类精度,将影像中的纹理信息作为提取的重要特征,用基于灰度共生矩阵的纹理量的分类法和基于J5判据的最小距离分类法,计算并提取TM5波段最能反映类别差异的纹理特征及组合。以沈阳某一地区为试验区,对图像进行综合分析,试验结果显示:最优组合是直方图的均值m1、对比度CON和灰度共生矩阵的熵H、逆差矩HOM。将利用此组合的分类结果与监督分类结果进行对比,结果表明:将纹理特征应用于图像分类中可区分光谱混淆的地类,分类精度高于单纯光谱的分类精度。 相似文献
3.
为了快速、准确、无损地对糯玉米种子分类,采用可见-近红外(400～1000 nm)高光谱成像仪对5种糯玉米种子进行数据采集,使用一阶中心差分联合SG平滑对糯玉米种子的原始光谱数据进行预处理去噪,通过自优化竞争性自适应重加权采样算法筛选出56个重要的特征波段,同时采用灰度共生矩阵和Sobel算子提取糯玉米种子的相关性、能量、同致性、相关熵、灰度熵和梯度熵等6种纹理特征,将光谱特征与纹理特征融合后构建支持向量机分类模型,分别用350个训练样本、150个测试样本和50个预测样本对模型进行训练、测试和预测分类,相应得到了准确率为98.50%、95.92%和94.00%的最佳结果,表明利用高光谱成像技术对糯玉米种子分类是可行的。 相似文献
4.
就利用灰度共生矩阵纹理特征提取城市用地信息做了初步探索.计算灰度共生矩阵四个纹理特征量,选择建筑用地与其它地类的纹理特征统计量差别较大的特征,用于提取建筑用地信息.通过计算选择了对比度纹理特征,对该特征图像进行分类、密度分割及后处理,得到城市用地信息.通过精度评定证明了纹理特征用于分类可以提高分类的精度,并能提高土地利用动态监测的自动化程度. 相似文献
5.
基于LSP与GLCM融合的禾本科牧草种子特征提取算法 总被引：1，自引：1，他引：0
针对禾本科牧草种子相似性较高、识别困难的问题,采用局部相似模式(LSP)和灰度共生矩阵(GLCM)的方法,对禾本科牧草种子的分类识别进行研究。结果表明:1)局部相似模式与灰度共生矩阵融合的方法可以有效的提取禾本科牧草种子的纹理特征,能够识别颜色、形状、大小等特征都十分相似的牧草种子,且其识别率优于传统的LSP特征算子和GLCM特征算子。2)与传统LSP算法相比,结合灰度共生矩阵算法后,得到的特征受到相似种类种子图像的影响较小,具有更广泛的适应性。因此,基于LSP和GLCM的融合算法可以有效地提取相似禾本科种子图像的纹理统计特征,采用线性判别分析分类器(LDA)进行分类,识别率最高达到98.64%。 相似文献
6.
对板材表面缺陷图像进行多种特征提取。颜色特征选用了颜色直方图;形状特征主要基于最小外接矩阵,提取周长、面积、位置、矩阵和圆形相关的形状参数;纹理特征选取了灰度共生矩阵和Tamura纹理参数。通过OOB（袋外数据）误差计算特征重要性,并将结果与提取时间进行综合分析得出,Tamura纹理和颜色直方图是最优的2组缺陷分类参数。对颜色直方图和Tamura纹理2类特征,采取特征组合输入,通过实验得出,随机森林分类精度达95．67％。 相似文献
7.
《东北林业大学学报》2015,(8)
对板材表面缺陷图像进行多种特征提取。颜色特征选用了颜色直方图;形状特征主要基于最小外接矩阵,提取周长、面积、位置、矩阵和圆形相关的形状参数;纹理特征选取了灰度共生矩阵和Tamura纹理参数。通过OOB(袋外数据)误差计算特征重要性,并将结果与提取时间进行综合分析得出,Tamura纹理和颜色直方图是最优的2组缺陷分类参数。对颜色直方图和Tamura纹理2类特征,采取特征组合输入,通过实验得出,随机森林分类精度达95.67%。 相似文献
8.
对LoG算子边缘检测算法的性能进行分析,指出LoG算子在实际应用中的不足.针对LoG算子的缺点,通过实验数据得出图像灰度共生矩阵的熵与高斯空间系数的关系.实现使用LoG算子对图像进行检测边缘时能根据具体的图像的熵值自动获取适合该图像的高斯空间系数的值.因此,提出的改进算法既能有效的抑制噪声又能较精确的定位边缘. 相似文献
9.
【目的】研究一种基于卷积神经网络干制哈密大枣纹理分级的方法。利用卷积神经网络解决干制哈密大枣的纹理分类问题。【方法】将大小统一的彩色图片输入网络,卷积核自动提取其纹理特征,进行分类。【结果】分类准确率达到了97.7%。【结论】与常用的灰度共生矩阵提取干制哈密大枣纹理特征(最大概率,相关性,对比度、能量、同质性和熵),再用BP神经网络和支持向量机(SVM)分类准确率相比的方法,避免了复杂纹理提取和图片预处理的过程,在测试时间相近的情况下识别率更高。 相似文献
10.
应用改进的灰度共生矩阵识别木材纹理多重特征值 总被引：2，自引：0，他引：2
目前木材的主要分类方式是由人的经验进行分类,分类的好坏取决于人的经验。因此机器自动检测分类木材种类变得迫在眉睫,目前机器识别木材种类最主要的方法是应用灰度共生矩阵(GLCM)提取木材纹理特征识别木材种类。但是基于灰度共生矩阵(GLCM)特征提取分类存在缺陷,这是由于木材图片旋转再识别时导致分类精度下降。本研究应用改进的灰度共生矩阵(I-GLCM)提取木材多重特征值,较前人提取的灰度共生矩阵(GLCM)识别木材种类,具有旋转不变性。应用matlab模式识别算法进行训练、分类。结果表明,应用本方法对木材进行分类,分类精度比应用灰度共生矩阵(GLCM)精度高,分类效果较好,是一种新的木材识别方法。 相似文献
11.
基于灰度共生矩阵和分形的哈密瓜表皮网状纹理分析 总被引：1，自引：1，他引：0
根据表皮纹理对哈密瓜进行自动分级。选取基于灰度共生矩阵的4种纹理参数和分形盒维数对哈密瓜表皮纹理进行统计分析,研究哈密瓜以及作为对比组的西瓜和甜瓜关于这5种纹理参数的分布规律。试验结果表明:基于灰度共生矩阵的4种纹理参数能将大部分纹理清晰与纹理模糊、霉变的哈密瓜表皮区分开,分形盒维数则可区分大部分纹理模糊表皮与霉变表皮;这5种纹理参数的组合可区分哈密瓜与西瓜、甜瓜的纹理。 相似文献
12.
选取泰国THEOS(Thailand earth observation satellite)卫星影像作为研究对象,提出从图谱成像质量和专题地类提取性能评价影像应用潜能。采用不同地类的像元均值表征影像的光谱质量;选取灰度共生矩阵GLCM(Grey level co-occurrence matrix)计算得到的角二阶矩ASM(angular second moment)、相关性(correlation)、对比度(contrast)和熵(entropy)评价影像的图像质量;利用面向对象的分类方法评价影像的地物解析能力。结果表明:(1)耕地、城市和林地的均值分别为121.14、73.70和137.62,说明THEOS影像对不同地物有较好的区分性能;(2)对比度和熵的均值最大(分别为18.93和2.88),可以用于表征THEOS影像丰富的纹理信息;(3)2 m分辨率THEOS融合影像可以较好地提取均一地类,但解析多种地类混合的区域效果较差。本研究可为THEOS卫星数据在我国的广泛应用提供参考。 相似文献
13.
The effect of probability-distance based re-weighting of image texture features on their discrimination ability was evaluated in this study. A quadratic surface smoothing function was developed from the Bhattacharyya probability distance between two classes of images. The function was used as a re-weighting function for standard grey level co-occurrence matrix (GLCM) textural features in two cases. Case 1 involved 42 images of health and smokers’ lungs. Case 2 involved 144 images of well watered; partially water stressed and dry Rhacomitrium canescens plants. Multilayer perception (MLP) neural networks (NN) classifiers based on standard weighted and probabilistic-distance based re-weighted GLCM textural features were developed for each case. The classifiers were trained and tested using the leave-one-out and the cross-validation evaluation strategies.Probability-distance based re-weighting of GLCM textural features resulted in 37% and 39.22% reduction in true classification error for cases 1 and 2, respectively. It was concluded that re-weighting image texture features based on the probability distance between the classes involved, makes the GLCM texture analysis technique more discriminative and adaptive. This modification will help to overcome the fixed nature of GLCM features which is an area of weakness open to further improvement. Although GLCM features were used in this study, the method can be extended to other co-occurrence-based methods. 相似文献
14.
以河北省秦皇岛市山海关公益林为研究对象,结合Landsat TM数据和森林资源二类调查数据,运用灰度共生矩阵分析法提取纹理信息,采用逐步回归法建立多元线性回归模型,进行森林蓄积量的估算。结果表明:选取纹理因子参与建模,建立的线性回归方程的拟合效果较好,估测模型的R~2值达0.766,估计值的标准误差最小,标准误差最小值为28.036,说明纹理因子对提高森林蓄积量的估测精度有重要影响。 相似文献
15.
针对路面结构特征,提出一种颜色与纹理特征相融合并结合模糊支持向量机的路面分类识别方法。提取路面图像的HSV颜色空间的颜色矩作为颜色特征,采用灰度共生矩阵法提取纹理特征,融合路面图像的颜色特征与纹理特征,采用模糊支持向量机进行支持向量特征训练,通过训练得到能尽可能多的满足每一种图像的样本数据特征的特征向量。通过实验,对比了采用传统的支持向量机与模糊支持向量机对路面分类识别的正确率。实验表明本研究所提出方法的有效性。 相似文献
16.
一种基于混合纹理特征的木板材表面缺陷检测方法 总被引：1，自引：0，他引：1
利用计算机视觉技术检测木板材表面缺陷。提出了一种基于混合纹理特征的表面缺陷检测算法,能准确、鲁棒地检测出木板材表面图像中是否有缺陷。首先,分别使用灰度共生矩阵方法、Gabor滤波方法和几何不变矩方法提取了10个优化后的图像纹理及尺度、平移、旋转不变特征;然后,对特征向量进行有效组合;最后,基于融合后的混合纹理特征向量,应用BP人工神经网络对样本集进行训练和检测。实验表明,该方法能准确地对木板材表面缺陷进行检测,平均检测成功率达96.2%。 相似文献