[发明专利]基于图像旋转的任意灰度共生矩阵的计算方法及应用有效
申请号: | 201611064726.7 | 申请日: | 2016-11-28 |
公开(公告)号: | CN106780585B | 公开(公告)日: | 2019-07-23 |
发明(设计)人: | 郑罡 | 申请(专利权)人: | 自然资源部第二海洋研究所 |
主分类号: | G06T7/45 | 分类号: | G06T7/45;G06T3/60 |
代理公司: | 浙江永鼎律师事务所 33233 | 代理人: | 郭小丽 |
地址: | 310007 浙*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 图像 旋转 任意 灰度 共生 矩阵 计算方法 应用 | ||
1.基于图像旋转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的对应的相对位置,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:将图像以-θ角度进行旋转,再由公式(1)从旋转后的图像中计算得到该相对位置对应的图像的GLCM:
其中表示向下取整;G(m,n;r,θ)表示旋转前的图像的GLCM中第m行第n列的元素值,G′(m,n;r′,θ′)表示旋转后的图像或包含了旋转后的图像的矩形区域的GLCM中第m行第n列的元素值,它可以由公式(2)计算得到;
其中“card”表示集合中的元素数目;表示矩形区域中的像素集合;f(x,y)表示位置坐标为(x,y)处的灰度值,这里位置以矩形坐标系的坐标表示,该坐标系以旋转前的图像的水平方向和垂直方向作为坐标系的两轴;
归一化因子Q′(r′,θ′)为:
它表示矩形区域中能与相对位置(r′,θ′)重合上的像素对的数目;
在计算过程中,需要去除包含了旋转后的图像的矩形区域在图像外的四个角;这可以通过如下简单的标记来实现:假设图像中的灰度范围为1到N,令四个角区域的灰度值为N+1,然后通过公式(2)和(3)计算整个矩形区域的GLCM,那么旋转后的图像的GLCM即该GLCM的第1行到第N行第1列到第N列的矩阵块。
2.如权利要求1所述的基于图像旋转的任意灰度共生矩阵的计算方法在对称GLCM方法中的应用。
3.如权利要求1所述的基于图像旋转的任意灰度共生矩阵的计算方法在纹理方向估算方法中的应用。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于自然资源部第二海洋研究所,未经自然资源部第二海洋研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201611064726.7/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 基于图像旋转的任意灰度共生矩阵的计算方法及应用-201611064726.7
- 郑罡 - 自然资源部第二海洋研究所
- 2016-11-28 - 2019-07-23 - G06T7/45
- 本发明公开了一种基于图像旋转的任意灰度共生矩阵的计算方法及应用,通过图像旋转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。
- 基于灰度共生矩阵的纹理方向精细估算方法-201611063917.1
- 郑罡 - 自然资源部第二海洋研究所
- 2016-11-28 - 2019-07-02 - G06T7/45
- 本发明公开了一种基于灰度共生矩阵的纹理方向精细估算方法,包括:S1:选取图像;将相对位置的方向θ和距离r进行等间隔划分,计算这些相对位置对应的GLCM;S2:计算参数Z的等角度和等距离间隔的分布;S3:计算参数Z的积分Z′;S4:搜索Z′的极小值,确定纹理方向等步骤。它解决了现有技术中纹理方向估算方法不够灵活,抗噪声能力差等技术问题。本发明具有抗噪声性能好,可估算多个纹理方向,且精确度高的优点。
- 一种基于最小体积与优化约束条件的高光谱解混方法-201511022789.1
- 张淼;王天成;郭威;沈毅 - 哈尔滨工业大学
- 2015-12-30 - 2018-08-14 - G06T7/45
- 本发明公开了一种基于最小体积与优化约束条件的高光谱解混方法,其步骤如下:步骤一:数据加载与预处理。步骤二:筛选图像采样点,构造优化的约束条件,寻找满足初始条件的数据。步骤三:将非负非线性规划问题转换为线性规划问题,对线性规划问题的目标函数结合优化后的约束条件进行求解,计算中间变量矩阵Hnew、gnew。步骤四:根据变化率检测终止条件判断是否终止迭代计算,若不满足终止条件,则返回步骤三,继续更新中间变量矩阵Hnew、gnew。步骤五:解出满足非负性要求的端元矩阵,并计算丰度系数,完成图像的解混。本方法解决基于最小体积的高光谱解混算法中,约束条件过多所导致的数据存储空间大,运算时间长,精确性难以提高的问题。
- 一种基于灰度梯度特征实现碳纤维复合材料表面形貌三维评定的方法-201711433746.1
- 强彦;赵涓涓;谢鹏华;吴化禹;吴保荣;张丽;罗嘉莹;傅文博 - 太原理工大学
- 2017-12-26 - 2018-06-15 - G06T7/45
- 本发明公开了一种基于灰度梯度特征实现碳纤维复合材料表面形貌三维评定的方法,首先,对碳纤维复合材料表面图像预处理;其次,利用LoG算子得到灰度梯度共生矩阵;然后,求得灰度梯度共生矩阵的15维特征向量;最后,根据求得灰度梯度共生矩阵的15维特征向量,通过对比实验,与仪器测量的三维幅度参数Sq建立联系,并验证得到的规律。本发明基于灰度梯度共生矩阵可以提取碳纤维表面的纹理特征值,并与三维形貌参数建立联系,发现灰度梯度特征中能量和梯度熵与仪器测量的三维幅度参数Sq分别呈递减和递增的关系,三维幅度参数Sq的值越大,碳纤维复合材料表面越粗糙,所以可以通过能量和梯度熵评定碳纤维复合材料表面的粗糙性,在保证准确性的情况下简化碳纤维复合材料表面评定的过程。 1
- 一种基于BP神经网络和传感器数据采集的土地秸秆覆盖率测算方法-201710900797.4
- 王娜;吴健宇;吴芝路 - 哈尔滨工业大学
- 2017-09-28 - 2018-02-02 - G06T7/45
- 本发明提供了一种基于BP神经网络和传感器数据采集的土地秸秆覆盖率测算方法,本发明是为了解决由于人工拉绳法测量效率低,误差大,劳动强度大等缺点,以及在测算过程中由于人为因素带来的局限而提出的。包括每隔固定时间采集秸秆还田作业后的图像数据;在获取的图像数据中截取预设大小的图像块作为样本;计算所述样本中的五种纹理特征值能量、惯性矩、熵、相关性、逆差矩;构建具有输入层、隐含层以及输出层的BP神经网络;对神经网络进行训练利用神经网络处理待测图像并根据分类结果对图像进行二值化处理;根据根据白色像素点数量占图像总像素数量比例计算秸秆覆盖率。本发明适用于土地秸秆覆盖率测算。
- 一种基于图像纹理特征指标的苹果口感定性鉴别方法-201710692731.0
- 王宇;杨昂;訾艳阳;王保建;张健;杨朝;彭晶;尹健;张智新;肖友 - 西安交通大学
- 2017-08-14 - 2017-12-29 - G06T7/45
- 一种基于图像纹理特征指标的苹果口感定性鉴别方法,通过分析苹果图像分析表面纹理特征,建立图像纹理特征指标与口感测度之间的定性关系,得到基于图像纹理特征指标(能量、熵与对比度)的苹果口感的神经网络鉴别模式,进而建立苹果口感鉴别数据库。其次,本发明通过对苹果表面图像的采集与分析,计算表面纹理特征值指标,将测得的指标与已建立的口感鉴别数据库进行对比,获得口感鉴别结果。该方法简单可靠、成本低、易于实现,便于在日常生活及农业生产中使用。
- 基于纹理分析的缝洞储集体形态描述方法-201610366185.7
- 唐金良 - 中国石油化工股份有限公司;中国石油化工股份有限公司石油物探技术研究院
- 2016-05-27 - 2017-12-05 - G06T7/45
- 本发明公开了一种基于纹理分析的缝洞储集体形态描述方法。该方法包括将三维地震数据体映射为三维灰度数据体;沿设定角度、以设定的距离差扫描所述三维灰度数据体,得到相应的灰度共生矩阵;提取相应的灰度共生矩阵的特征纹理属性,所述特征纹理属性包括均匀度、对比度、熵以及能量;采用聚类分析技术分析所述特征纹理属性,实现针对所述三维地震数据体的纹理属性分类;基于所述纹理属性分类描述缝洞空间形态分布。应用本发明,能够精细描述缝洞空间形态。
- 一种客流密度检测方法及装置-201710208108.3
- 杨敬锋;杨骥;张南峰;李勇;何家荣;喻红玲;杨峰;郑艳伟;刘晓松;周捍东 - 广州地理研究所
- 2017-03-31 - 2017-08-04 - G06T7/45
- 本发明涉及客流密度检测的技术领域,尤其涉及基于图像处理的客流密度检测方法,该方法中的步骤,可以建立功能模块,组合成功能模块构架,主要通过存储在计算机可读存储介质中的计算机程序来实现。本发明从预设监测区域所拍到的实时视频中获取视频序列图像,对所述视频序列图像进行灰度化处理,得到相应的灰度图像,从而突显人群图像与背景图像的不同,以便于区分,把灰度图像生成对应的灰度共生矩阵,然后计算灰度共生矩阵的纹理特征,最后根据纹理特征进行分类,以得到客流密度等级从而实现实时、清楚、准确的客流密度检测。
- 一种檀香树干虫害损伤程度等级图像判别方法-201710071176.X
- 陈珠琳;王雪峰;吴春燕;白欢欢 - 中国林业科学研究院资源信息研究所
- 2017-02-09 - 2017-06-30 - G06T7/45
- 一种檀香树干虫害损伤程度等级图像判别方法,属于森林经理和森林经营领域,含有步骤檀香树干虫害损伤程度预估模型的建立;檀香树干虫害损伤程度预测目的的自变量提取;檀香树干虫害损伤程度等级的判断。根据本发明,经营者可以通过获取的檀香图像来估算檀香树干的受虫害程度,科学的针对每一棵檀香树进行防止,进而保证檀香的存活率和生长质量。此方法从图像分析角度实现了檀香树干虫害程度的估测,速度快,精度高,及其使用于当前的檀香珍贵树种的栽培。
- 专利分类
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序