A1:笑得海潮 B3:冒泡的崔 D2:Cornell University,Computer Vision Group H2:冰河的博客 G3:丕子博客 K1:MLA CHINA K4:斯坦福视觉实验室 L4:MIT 机器学习实验室
现在位置 >首页 > 所有关于GLCM的文章
cat_ico37 category
发表于747 天前 科研 暂无评论 ⁄ 被围观 760 次+
CBIR: Texture Features
搜索了下图像的纹理特征,下面的资源讲得很详细很不错很综述。 QBE Using Texture Features Texture Description Texture Features and Co-occurrence Matrices Tamura's Texture Features Markov Random Field Texture Models Similarity Measures for Texture Features Wold Decomposition Based and Gabor Texture Features MPEG-7 Texture Descriptors Texture Browsing Descriptor Homogeneous Texture Descriptor Edge Histogram Descriptor References
阅读全文
cat_ico37 category
发表于748 天前 科研 评论数 1 ⁄ 被围观 2,411 次+
Gray-level Co-occurrence Matrix(灰度共生矩阵)
共生矩阵用两个位置的象素的联合概率密度来定义,它不仅反映亮度的分布特性,也反映具有同样亮度或接近亮度的象素之间的位置分布特性,是有关图象亮度变化的二阶统计特征。它是定义一组纹理特征的基础。      一幅图象的灰度共生矩阵能反映出图象灰度关于方向、相邻间隔、变化幅度的综合信息,它是分析图象的局部模式和它们排列规则的基础。   设f(x,y)为一幅二维数字图象,其大小为M×N,灰度级别为Ng,则满足一定空间关系的灰度共生矩阵为 P(i,j)=#{(x1,y1),(x2,y2)∈M×N|f(x1,y1)=i,f(x2,y2)=j}   其中#(x)...
阅读全文

无觅相关文章插件,快速提升流量

不想听你唠叨×