图像纹理的灰度共生矩阵计算问题的分析

Research on Computation of GLCM of Image Texture

薄华 马缚龙 焦李成

图像的灰度共生矩阵（GLCM）已知被理论证明并且实验显示它在纹理分析中是一个很好的方法，广泛用于将灰度值转化为纹理信息．然而，由于GLCM是像素距离和角度的矩阵函数，因此完整的GLCM的计算，其参数的选取范围很广，这样GLCM的计算量很大，通常是不能这样用的．为了解决这个问题，本文应用马尔可夫链的性质，从理论上证明了GLCM的计算结果，当像素距离足够大的时候趋于一致性．这样只需较少的参数值就可以完整的描述图像的纹理特征．最后，通过对Brodatz纹理库中自然纹理图像和几幅SAR图像进行仿真，仿真结果验证了上述结论．

灰度共生矩阵提取纹理特征的实验结果分析

Analysis of texture feature extracted by gray level co-occurrence matrix

苑丽红 付丽 杨勇 苗静

为使灰度共生矩阵（GLCM）提取的特征值较好地表达纹理信息，对Brodatz纹理库图片进行了大量实验。首先测试了各构造参数对关键特征统计量的影响，给出了特征值随参数变化的规律，确立了构造参数的合理取值；然后测试了图像旋转和大小变化对所提取特征值的影响。实验结果对优化灰度共生矩阵的构造、实现基于纹理的图像检索有参考意义。

基于GLCM的纹理特征量在TM 6热红外波段影像信息分析中的研究

Textural Features Analysis Based on GLCM in TM Thermal Infrared Remotely Sensed Images

宋杨 万幼川 陈鹏

利用了基于灰度共生矩阵GLCM的纹理特征分析方法,对TM 6热红外波段影像进行目标信息的提取,以增强热辐射量大的亮温目标与背景图像的差异,从而实现对原始图像进行图像增强、实现目标信息提取的目的.本文的实验影像是从武汉市长江流域区域的TM影像的热红外波段影像上截取的16个子区域,对16个实验区域分别采用文中定义的6个纹理特征进行图像分析,原始图像的灰度级是256,考虑到计算量大,在处理过程中压缩原始的256灰度级到64灰度级.实验结果显示出较高的一致性,表明所定义的variance和correlation两个纹理特征对于在TM 第6波段上,对于增强热红外影像上热辐射量大的目标影像与背景影像有显著的效果,该方法可以作为热红外影像处理的预处理,从一定程度上弥补了TM 热红外波段影像分辨率不够高带来的限制.