搜索资源列表
GLCM
- 提取灰度共生矩阵的纹理特征的代码，全部14个特征值的计算都有-GLCM extract texture feature code to calculate all eigenvalues have 14
test
- 将图像进行三层离散小波变换得到三幅高频图像，再利用function可利用灰度共生矩阵得到三幅高频图像的纹理特征-The image is three discrete wavelet transform three high-frequency images, re-use function can be used to obtain GLCM texture features three high-frequency image
Matlab
- 基于颜色和纹理特征的图像检索,聚类，颜色空间量化，灰度共生矩阵-Content-based image retri
Texture2
- 基于灰度共生矩阵的纹理特征提取子程序代码-Texture feature extraction based on gray level co-occurrence matrix
MATLAB
- 图片常用纹理特征的提取方法集合，包括灰度共生矩阵，LBP,CABER等-the methods of texture feature extreation
one
- 基于叶片数字图像的植物识别是自动植物分类研究的热点。但是随着植物种类的增加，传统的分类方法由 于提取的特征比较单一或者分类器结构过于简单，导致叶片识别率较低。为此，本文提出使用纹理特征结合形状 特征进行识别，并且使用深度信念网络构架作为分类器。纹理特征通过局部二值模式、Gabor 滤波和灰度共生矩阵 方法得到。而形状特征向量由 Hu 氏不变量和傅里叶描述子组成。为了避免过拟合现象，使用“dropout”方法训练 深度信念网络。这种基于多特征融合的深度信念网络的植物识别方法-Plant based
two
- ：植物种类识别方法主要是根据叶片低维特征进行自动化鉴定。然而，低维特征不能全面描述叶片信息，识别准确率低，本文提 出一种基于多特征降维的植物叶片识别方法。首先通过数字图像处理技术对植物叶片彩色样本图像进行预处理，获得去除颜色、虫洞、 叶柄和背景的叶片二值图像、灰度图像和纹理图像。然后对二值图像提取几何特征和结构特征，对灰度图像提取 Hu不变矩特征、灰 度共生矩阵特征、局部二值模式特征和 Gabor 特征，对纹理图像提取分形维数，共得到 2183 维特征参数。再采用主成分分析与线性 评判分析相
CompTextureDistance
- 计算纹理每一个特征图像的距离 计算灰度共生矩阵需要Matlab7.1及以上版本-Calculate the distance of each feature image The calculation of gray level co-occurrence matrix requires Matlab7.1 and above
GLCOM-extraction-texture-feature
- 该matlab代码是利用灰度共生矩阵提取纹理特征-The matlab code is the use of gray-level co-matrices to extract texture features
Cloud-detection-
- 首先使用灰度共生矩阵提取图像纹理特征，之后使用灰度共生矩阵的熵值与相关性系数作为纹理参数，用k-means聚类算法实现遥感图像的云检测-First of all, the gray co-occurrence matrix is used to extract the image texture features, then the entropy and correlation coefficients of the GLCM are used as texture parameters, a
GLCM
- 灰度共生矩阵，可以提取均值、变化率纹理特征等等