[发明专利]基于矩阵元素插值的任意灰度共生矩阵的计算方法及应用

说明书

本发明公开了一种基于矩阵元素插值的任意灰度共生矩阵的计算方法，通过在待计算的GLCM对应的相对位置(r,θ)附近找到一些相对位置(r₁,θ₁),…,(r_K,θ_K)，这些相对位置与图像中的像素是可以重合的，从而，这些相对位置(r₁,θ₁),…,(r_K,θ_K)对应的GLCM的矩阵元素(即G(m,n；r₁,θ₁),…,G(m,n；r_K,θ_K))便可以通过公式(1)和(2)计算得到，而G(m,n；r,θ)则可由这些GLCM的矩阵元素插值得到。同时，本发明还提供了上述计算方法的两种具体应用。本发明可计算图像关于任意相对方向和距离的GLCM，使GLCM的计算不限于具体角度、距离等限制。从而使GLCM在各领域的应用变得更加便利，拓展了GLCM的应用空间和应用效果。

技术领域

本发明涉及一种GLCM(灰度共生矩阵，Gray-level co-occurrence matrix)的计算方法，尤其涉及一种基于矩阵元素插值的任意灰度共生矩阵的计算方法及应用。

背景技术

GLCM是一种通过灰度的空间相关特性来描述纹理的常用分析工具。纹理能从许多可视表面中被人的视觉自然地识别出来，并给人一些特别的感觉，如方向感、周期感和粗糙感等。作为可视表面的内在属性，纹理在众多领域都是非常重要的研究课题。许多围绕纹理的研究工作都是在探索如何更好地提取纹理的特征来对其进行客观描述，GLCM便是其中一种发展起来的统计分析工具。

传统的GLCM本质上是满足特定相对位置关系的像素对的灰度值联合概率分布。该矩阵可以通过对图像中的像素对进行统计得到。从该矩阵可以导出图像的二阶统计参数，这些参数分别表征了图像纹理的不同特性。有研究表明纹理和纹理之间的区别极大地依赖于纹理的二阶统计上的差异，因此由GLCM导出的二阶统计参数对于图像纹理的识别、分类等而言都是非常重要的。但是传统GLCM图像纹理分析受图像像素位置的限制，一般只考虑特定方向上的GLCM(通常为图像的水平方向、垂直方向和对角线方向)；因此，需要发明一种可计算图像关于任意相对位置的GLCM的计算方法。

发明内容

本发明针对现有技术中，GLCM计算存在的上述技术问题，提供一种基于矩阵元素插值的任意灰度共生矩阵的计算方法，为GLCM在各领域的应用提供便利。

本发明的另一方面，还示例性地提供了基于矩阵元素插值的任意灰度共生矩阵的计算方法的两种具体应用。

本发明中，所述“任意灰度共生矩阵”是指任意相对位置的灰度共生矩阵。

为此，本发明采用如下技术方案：

基于矩阵元素插值的任意灰度共生矩阵的计算方法，包括如下步骤：

S1：选取图像，设置待计算的GLCM对应的相对位置，相对位置用相对方向与图像水平方向的夹角θ和相对位置两端的距离r来表征；

S2：在待计算的GLCM对应的相对位置(r,θ)的附近找到一些相对位置(r₁,θ₁),…,(r_K,θ_K)，这些相对位置与图像中的像素是可以重合的；

S3：通过公式(1)和(2)计算得到相对位置(r₁,θ₁),…,(r_K,θ_K)对应的GLCM的矩阵元素，记作G(m,n；r₁,θ₁),…,G(m,n；r_K,θ_K)；