基于灰度共生矩阵的木材纹理分类方法的研究_白雪冰

i =0 j = 0 l- 1 l- 1
1 灰度共生矩阵理论
1. 1 灰度共生矩阵 灰度共生矩阵
[ 2, 3]
了图像的信息量 , 表示纹理的复杂程度 , 是图像内 容随机性的度量 . 无纹理熵为 0, 有纹理熵最大.
( 记为 W 阵 )是统计空间上
具有某种位置关系的一对像元灰度对出现的频度. 其实质是从图像灰度为 i 的像元 ( 位置为 x, y )出 发 , 统计与其距离为 d , 灰度为 j的像元 ( x+ D x, y + D y )同时出现的频度 P (i, j, d , θ ) . 数学表达式为 P (i, j, d , θ ) ={ [ (x , y ), (x + D x, y + D y) |f (x , y ) = i; f(x + D x, y + D y ) = j] } . (1) 式中 : x, y =0, 1 , 2, … , N - 1是图像的像元坐标 ; i, j = 0, 1, …L - 1是灰度级 ; D x , D y 是位置偏移 量 . d 为 W 阵的生成步长 ; θ 为 W 阵的生成方向 , 取 0° 、45° 、 90° 、135° 4 个方向. 归一化后各点频度 值为 p (i, j) =P (i, j) / R , R 是归一化常数 . 按公式 (1)生成的灰度共生矩阵是一种对称 阵 . 如果纹理粗糙 , 则 W 矩阵的不为零的元 素 p(i, j)将集中分布于主对角线 (| i - j| <t)附 近 , 如果纹理细致 , W 阵的分布比较分散 . 如果 θ 的方向与纹理方向一致 , 那么 W 阵中的元素都集 中在主对角线附近. 在本文中 , 规定灰度连续的方 向是纹理方向. 1. 2 灰度共生矩阵的特征值 灰度共生矩阵有 15 个特征参数 各自的意义和实验效果选用 6个 :
R esearch on the classification of wood tex ture based on G ray L evel Co - occurrence M atr ix
BA I Xuebing , WANG Keqi, WANG Hu i
(C ollege o fM achinery E lec tricity, N orthea st F orestry U niversity, H arb in 150040, China, Em ail : ba ixuebing@ yeah. ne t )
. ,
收稿日期 :2005 - 06 -09. 基金项目 : 哈尔滨市 自然 科学基 金资 助项 目 ( 2004AFXX J020); 黑龙江省自然科学基金资助项目 (C2004 - 03). 作者简介 : 白雪冰 (1966 - ), 男 , 博士 , 副教授 ; 王克奇 (1958 - ), 男 , 教授 , 博士生导师 .
d2 =∑ (j - u1 )
j =0
度量灰度共生矩阵 ∑ p(i, j);
i =0
元素在行或列方向上的相似程度. 如果图像的某 方向上纹理性较强 , 则该方向的 W3 将大于其他方 向的值 . 因此 , W 3 可用来判断纹理方向.
l- 1 l- 1
4)熵 W 4 =-
∑ ∑ p (i, j) ×lg p(i ×j)代表
l- 1 l- 1
图 1 200 木材纹理样本中的 6 个图片
同一纹理不同方向的特征参数是有差异的 ,
2) 对 比度 W 2 = ∑
i =0 j = 0
∑ [ (i -
j) p (i, j, d ,
2
2
如图 2 中在纹理主方向上 , “角二阶矩 ”、“相关 ” 的值比其他方向的值大 , 可用此参数判断纹理方 向 . 但为了参数的旋转不变性 , 取各方向的均值作 为特征参数 . 下面讨论像素间距 d 与特征参数的关系 . 取 θ=0° , 45° , 90 ° , 135° 4个方向的前述 6 个特征参 数 , 求各自的平均值以消除生成方向 θ 的影响. 图 像灰度为 256 级. 受篇幅限制 , 图 2、 3 只列出 10 个样本的参数与像素间距关系的数据曲线 . 由图可见 : 随像素间距 d 的增加 , 角二阶矩 、
[ 1] [ 2]
实践证明 , 统计方法更适合于处理自然纹理. 在统 计法中 , 灰度共生矩阵是描述纹理的经典而成熟 的方法 , 由此所生成的参数可以描述纹理多方面 的统计特征 . 对纹理进行分类则属于模式识别问题 , 纹理 特征参数之间具有不可避免的相关性和非线性 , 这使得用传统的贝叶斯决策理论进行分类的效果 不会太理想 , 同时 , 又涉及到先验概率密度函数的
1668
哈 尔 滨 工 业 大 学 学 报 第 37 卷
l- 1 l- 1 2
估计问题 , 实现起来很困难 . 由于神经网络对关系 复杂的非线性信息具有类似人脑的处理能力 , 这 给模式识别领域带来了新的生机. 本文提出了用灰度共生矩阵生成纹理特征参 数的具体方法 , 并以木材这种自然纹理为对象 , 用 竞争神经网络对木材纹理进行了聚类 .
l- 1 l- 1 [ 3, 5] [ 3 ～ 5]
5)方差 W 5 = ∑
i =0 j = 0
) . ∑ (i - m ) p(i, j, d , θ
2
式
中: m 为 p(i, j, d , θ )的均值. 方差反映了纹理的周 期 . 值越大 , 表明纹理的周期越大 .
l- 1 l- 1
6)逆差矩 : W6 = ∑
Ab stract: To classify wood by su rface texture, wood texture param e te rs of G ray L evel Co - occurrence M atrix (GLCM ) we re first se le cted by re le vance analy sis. The building ru les o fGLCM (the be st gray le vels and pixels in terva l) w ere confir m ed by experi m en. t GLCM tex tu re pa ram e te rs of 300 w ood specim ensw ere calcu lated and assayed, and then placed into a Com petitive Neural N etw o rk fo r classifica tion outpu. t The resu lts are as follow s:1) GLCM param ete rs " Angu lar Second M om en t" , " con trast " , " co rrela tion" , " en tropy " , " sum of squares "and "inverse difference m om ent"a re su itable to describ e th e w ood tex ture , 2) th e best pixels interva l when building GLCM is 4 w hen the wood i m age size is 512 × 512 and propo rtion is 1∶ 1 , and 128 le ve ls m age g ray can best reflect the w ood tex tu re in for i m ation , 3) th e te xture direction is exactly the directio n o f the m axi m um value of ' A ngula r Second M om en t' , ' corre lation' and ' e ntropy' of th e GLCM of the w ood texture im age, and 4) the correct rate o f c lassification of th e Com pe titive Neural Netw o rk c lassifie r is 88 pe rcen. t The six param e te rs of GLCM building ru lesm en tioned above are valid to describ e w ood tex tu re feature and it is wo rkable to c lassify w ood by surface tex ture acco rding th e six GLCM param eters . K ey w ord s: w ood tex tu re ; gray level co - occurrence m atrix;featu re param eter; Com petitive Neural Net w orks 自然纹理具有精细复杂的结构 , 目前还没有 统一的标准来描述其特征. 如何表征自然纹理并 分类是计算机视觉研究领域的一个重要方向 对纹理特征的描述大体分为统计法和结构法
第 37卷 第 12 期 2 0 0 5年 12 月
哈 尔 滨 工 业 大 学 学 报 JOURNAL OF HARBIN INST ITUTE OF TECHNOLOGY
V ol . 37 N o. 12 D ec. 2005
基于灰度共生矩阵的木材纹理分类方法的研究
2
i =0 j = 0
) /(1 ∑ p (i, j, d , θ
+ห้องสมุดไป่ตู้i
- j) )度量图像纹理局部变化的大小. 纹理规则 , 则 W 6 就大 ; 反之亦然.