基于灰度共生矩阵的纹理特征值提取

基于灰度共生矩阵的纹理特征值提取

作者：黄丽华

来源：《科技视界》2013年第22期

【摘要】图像分类识别的常用方法是先提取图像特征，再进行特征值的归类。图像特征包括几何特征、形状特征、颜色特征、纹理特征等等。本系统主要针对图像的纹理特征进行提取、分析，通过研究灰度的空间相关特性来描述纹理，利用灰度共生矩阵产生的四个纹理特征值使其能有效的描述相应图片的纹理特征，最后实现具有显著纹理特性的图像的分类识别。

【关键词】图像特征；灰度共生矩阵；分类识别

1 系统功能及工作原理

1.1 系统功能简介

系统使用基于统计法的灰度共生矩阵，进而提取二次统计特征量来作为区分各图像的标志，已达到对图像对象的识别。通过CCS3.3 图像处理软件进行模拟仿真，检验相应功能是否实现。

1.2 工作原理

1.2.1 灰度共生矩阵生成

1.2.2 矩阵分析

1）主对角线元素的作用

灰度共生矩阵中主对角线上的元素是一定位置关系下的两象素同灰度组合出现的次数。由于沿着纹理方向上相近元素的灰度基本相同，垂直纹理方向上相近象素间有较大灰度差的一般规律，因此，这些主对角线元素的大小有助于判别纹理的方向和粗细，对纹理分析起着重要的作用。

2）元素值的离散性

灰度共生矩阵中元素值相对于主对角线的分布可用离散性来表示，它常常反映纹理的粗细程度。离开主对角线远的元素的归一化值高，即元素的离散性大，也就是说，一定位置关系的两象素间灰度差的比例高。若以|△x|=1或0，|△y|=1或0的位置关系为例，离散性大意味着相邻象素间灰度差大的比例高，说明图像上垂直于该方向的纹理较细；相反，则图像上垂直于该方向上的纹理较粗。当非主对角线上的元素的归一化值全为0时，元素值的离散性最小，即图像上垂直于该方向上不可能出现纹理。

1.2.3 灰度共生矩阵的纹理特征

1）二阶距（能量）

二阶距是灰度共生矩阵元素值得平方和，所以也称为能量，反映了图像灰度分布均匀程度和纹理粗细程度。

2）对比度

反映了图像的清晰度和纹理沟纹深浅的程度。纹理的沟纹深，其对比度大，效果清晰；反之，对比度小，则沟纹浅，效果模糊。灰度差即对比度大的像素对越多，这个值越大。灰度共生矩阵中远离对角线的元素值越大，对比度越大。

3）相关

相关是用来衡量灰度共生矩阵的元素在行或列方上的相似程度。当矩阵元素值均匀相等时，相关值大；相反，如果矩阵像素值相差很大则相关值小。果图像中有水平方向纹理，则水平方向矩阵的相关大于其余矩阵的相关值。

4）熵

熵是图像具有信息量的度量，纹理信息也属于图像的信息，是一个随机性的度量，当灰度共生矩阵中所有元素有最大的随机性、灰度共生矩阵中所有值几乎相等时，共生矩阵中元素分散分布时，熵较大。它表示图像中纹理的非均匀程度或复杂程度。若图像没有任何纹理，灰度共生矩阵几乎为零阵。它反映图像中纹理的复杂程度或非均匀度。若纹理复杂，熵值大；反之，若图像中灰度均匀，共生矩阵中元素大小差异大，熵值小。

2 技术实现

2.1 图像预处理

本课题是基于灰度共生矩阵的纹理特征值提取，其过程的实现必须进过图像的预处理之后，才可以进行纹理分析，故用到的图片必须是具有256级灰度级的灰度图片。

2.2 压缩灰度级

灰度共生矩阵的计算量由图像的灰度级和图片的大小决定，假设图像G有L个灰度级，其大小为R行C列，则运算量大约是L^2*R*C，计算量大，故需要在尽量保持图像原形的情况下削减灰度级的取值个数和图像分辨率。一般一幅图片的灰度级为256级，采用等概率量化方法进行缩减。在本系统中是将图像压缩为16个灰度级。

3 设计系统的仿真图形

4 对系统总结与评价

本课题研究的基于灰度共生矩阵的纹理特征值提取系统在VC++的运行环境下能顺利提取图像的特征值并通过运行界面加以显示，成功的实现了灰度共生提取特征值算法。并实现了在CCS3.3上的模拟仿真。

【参考文献】

[1]王波，姚宏宇，李弼程.一种有效的基于灰度共生矩阵的图像检索方法[J].武汉大学学报：信息科学版，2006，33（9）：761-764.

[2]郭德军，宋蛰存.基于灰度共生矩阵的纹理图像分类研究[J].林业机械与木工设备，2005，33（7）：21-23.

[3]彭启琮，李玉柏，管庆.DSP技术的发展与应用[M].2版.北京：高等教育出版社，2007.

[责任编辑：王静]