基于分形维度与灰度共生矩阵的图像分类研究

有研究表明,人类所接收到的全部信息中有80%以上是通过视觉得到的。和语音、文字信息相比,图像包含的信息量更大、更直观、更确切,因而具有更高的使用效率和更广泛的适应性。目前,图像处理技术己经成为计算机科学、信息科学、物理学、生物学、医学,甚至社会科学等领域各学科之间学习和研究的对象。图像处理的应用越来越广,已渗透到工业、航空航天、军事、医疗、安全等许多方面,在国计民生和国民经济中发挥着重要作用。在图像处理技术中对图像纹理特征的分析是其一个重要的分支,图像特征包括形状、颜色、纹理等,其中纹理是图像中一个基本且重要的特征。纹理通常定义为图像的某种局部性质,或是对局部区域中像素之间关系的一种度量。纹理的分析识别是图像理解、分析与识别中的重要研究内容之一。它不仅得到广泛的重视和研究,在实际中也得到大量的应用。如在气象学中,通过对雷达获取的云图纹理分析来判别云图类别,实现气象预报;在医学上,通过对医学影像仪器获取的图片的纹理分析来辅助医护人员进行治疗;在经济生产中,对于木材加工行业,通过对木材表面纹理的分析,可以区分不同的树种和材性,通过分类加工,使木制品达到最佳的感官效果和经济效益。 本论文概述了早期和近期的多种纹理分析的方法,介绍了灰度共生矩阵和分形维数的相关理论知识。主要研究和讨论了基于分形维数和灰度共生矩阵的纹理特征分析,实现图像分类。主要内容包括以下几个方面: (1)系统的分析分形维数在与图像纹理粗糙度、纹理方向性之间的关系,证实分形维数能较好的反映图像纹理的复杂度与粗糙度,并具有旋转不变性等特点。本文中选取采用分形维数中的差分盒维数对图像进行分类。 (2)采用灰度共生矩阵特征参数分别选取像素间距d=1,2,3,4,5,方向角度θ=0°、45°、90°、135°四个方向,结合实验图片本身的特点和实验数据,选取最优间距和方向角度。 (3)以Matlab和Delphi混合编程建立图像分类实验系统,选取石材图片为例,对库中的三种不同类别的石材图片,采用分形维数和灰度共生矩阵相结合的方法进行自动判别。