[发明专利]一种基于矩阵分析的图像纹理提取方法

说明书

技术领域

本发明涉及图像特征分析方法领域，尤其涉及一种基于矩阵分析的图像纹理提取方法。

背景技术

图像的纹理特征在图像检索中被广泛使用，其是一种重要的图像信息获取手段，广泛应用于图像处理、计算机视觉和图像检索中。纹理特征处理已经成为计算机图像研究的重点领域，主要的研究内容涵盖了纹理分割、纹理分类、纹理合成、纹理修正、纹理检索等。良好的纹理特征提取算法，是对图像纹理分割、分类和描述的重要保障。纹理特征通过人类视觉感知物体光影变化，反应了图像子空间中邻近像素相关关系，是图像识别表示中的又一重大属性。

图像中的纹理数据主要根据图像的灰度不断变换进行判定，图像中的某一子空间中相隔一定距离内的两个像素点存在一定的灰度相关关系，即图像在灰度空间中的纹理相关特性，其是一种描述纹理信息的重要途径。而全面的对图像对象的纹理特征信息进行分析处理，成为提升图像特征分析和图像相似度检索的重要前提。

发明内容

本发明要解决的技术问题是提供一种基于矩阵分析的图像纹理提取方法，通过全面的对图像对象的纹理特征信息进行分析处理，从而更加高效精准进行相应的图像特征分析和图像相似度检索。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明提供一种基于矩阵分析的图像纹理提取方法，包括建立图像灰度共生矩阵模型；设立相应宽度和高度的图像范围数据，分析任意像素点与其偏离像素点的灰度差值，分析图像灰度值的等级差数，对任意像素点的等级差数进行遍历分析，分析相应的等级差数出现的次数及相应的总次数；包括分析图像纹理特征信息，对图像纹理覆盖面积进行分析，对图像灰度分布均匀程度进行分析，对图像纹理的随机特性进行相应分析，对图像纹理自相关性进行分析。

进一步的，灰度共生矩阵中设立一个宽度为n、高度为m的图像数据I_m×n；分析任意像素点I_i,j与其偏离像素点I_i+hf,j+wf之间的灰度差值(k_i′,k_j′)，设立图像灰度值的等级差数为K，则I_i,j与I_i+hf,j+wf之间的灰度差值(k_i′,k_j′)共有K²种表示方法；对任意像素点I_i,j进行遍历求解各个像素对应的k值，统计每一个(k_i′,k_j′)值对出现的次数。

设立图像颜色特征I_color＝[μ_H,σ_H,s_H,μ_S,σ_S,s_S,μ_V,σ_V,s_V]。

并用总次数N＝#分析出图像颜色特征I_color唯一出现概率p(k_i′,k_j′)。灰度共生矩阵归一化公式：

进一步的，利用灰度共生矩阵分析图像纹理特征信息；计算角二阶矩：分析图像纹理覆盖面积和图像灰度分布均匀程度，分析图像纹理自相关性。

进一步的，分析计算图像信息熵值：通过上述公式分析图像纹理分布的同质性，度量纹理分布的局部变化特征。

进一步的，结合相应灰度像素点的方向向量公式：

其中，其中，对图像对象灰度像素点的方向向量进行相应分析，分析相应方向的纹理相似程度。

与现有的技术相比，本发明的有益效果是：

本发明通过对图像对象进行相应的分析处理，分析出图像的纹理和灰度分布情况，并通过对图像对象的图像信息熵进行分析计算，将图像对象的图像平整程度和纹理均匀性进行量化分析；通过对图像纹理自相关性进行分析处理，并与图像灰度像素点的方向向量结合，从而有效进行图像特征分析。

附图说明

图1为本发明中图像信息熵测试A图像示意图；

图2位本发明中图像信息熵测试B图像示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

具体实施例一：