共生矩阵
-
statistical methods in order to extract image texture descriptors
statistical methods in order to extract image texture descriptors. In particular， we will focus on the Co-occurrence matrices and the Energyfilters (Laws filters). They are well-known texture descriptors， fast and easy to implement and provide good result -
-
-
-
-
-
基于组合灰度共生概率与支持向量机的图像纹理分类系统
该项目旨在实现对数字图像纹理的精确分割与分类。纹理作为代表物体表面或结构的重要属性，由多种相互关联的视觉元素组成。本系统的核心功能是采用灰度共生概率（GLCP）方法从复杂的纹理图像中提取关键特征。为了提高分类的鲁棒性和精确度，项目引入了高斯支持向量机（GSVM）对提取的特征向量进行建模与分类识别。该系统利用国际流行的Brodatz纹理数据集进行测试与结果验证，通过结合GLCP特征提取与GSVM分类算法，实现了比传统单一方法更高的分类准确率。此技术可广泛应用于材料识别、工业自动检测、遥感图像分析以及医学影像
