基于灰度共生矩阵的图形纹理检测及路面状况的SVM分类实现

基于灰度共生矩阵的图形纹理检测及路面状况的SVM分类实现

源码地址:https://github.com/Grootzz/GLCM-SVM
@[toc]
图像的特征提取是图像的识别和分类、基于内容的图像检索、图像数据挖掘等研究内容的基础性工作,其中图像的纹理特征对描述图像内容具有重要意义,纹理特征提取已成为图像领域研究的一个重要方法。

本项目以道路状况分类为背景,基于SVM使用纹理特征参数完成对道路状况的分类。

灰度共生矩阵的特征参数

  • 二阶矩
  • 对比度
  • 相关性
  • 逆差距

实现过程

本文以识别路况为背景设计系统,首先读取图像文件,在为了得到较为理想的结果,给出的图片尺寸较小,这样的目的在于提高运行速度、能够对理想情况下的识别结果有更加精确的把握。由于RGB图像的体积较大,但另一方面我们也知道,一张图片也可以用其灰度图像来反映,因此,对目标图像进行灰度的转化,可以降低对设计复杂度和运行效率的要求。尽管灰度转化后可以有效的降低图片的大小,但是对于256灰度级的图片仍然会给处理带来一些时间上的消耗,因此需要在保持原图像信息不变的情况下大量削减灰度级,通过对图像进行直方图均衡化处理,增加灰度值的动态范围,从而增加图像的整体对比效果。通常,需要将每个扫描的方向所计算的特征参数计算出来作一个权衡,这样能够更好地综合影响因素,一般会将每个方向的特征参数计算出来取平均,这样就可以以一个综合的指标来识别图像了。把所有的设计思路综合起来,可以用下图所示的系统设计框图来反映。

1555226955414.png

分类结果

通过样本标签和分类后的标签对比,得出使用能量和对比度作为训练分类器的样本,分类器对于实验待分类样本分类的其正确率为:95%,由此可以看出,这个分类器对于道路状况的分类仍然具有一定的意义。

1555226757177.png

设计总结

  • 计算灰度共生矩阵时要考虑三个变量,图像灰度级、方向和距离。

  • 对于灰度级的选取,灰度级决定了灰度共生矩阵的计算规模,降低灰度级可以提高计算速度和减少存储空间需求,且适当降低灰度级还可以减少噪声对图像的影响,但过小的灰度级会破坏有用纹理的成分。

  • 对于距离d的选择,共生矩阵在精细纹理中随距离而快速变化,而在粗糙纹理中随距离则变化缓慢。一般而言,对于平滑纹理用较大的距离,对于粗糙纹理用较小的距离会取得较好的效果。对于方向的选择,一般有四种取值,通过不同方向可以考察不同的纹理,不同方向生成的共生矩阵中包含不同的纹理信息。在考虑方向时,往往是分别计算四个方向灰度共生矩阵所确定的纹理特征值,然后以各方向特征值的均值作为最终纹理分量。

  • 利用SVM进行分类时,样本的选取和核函数的选取是分类器是否优良的一个重要影响因素,因此,对于一个优良的分类器,应该充分考虑各种影响因素后,选择一个最优的方案才能使待分类目标得到更好的分类。

源码地址:https://github.com/Grootzz/GLCM-SVM

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,884评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,347评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,435评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,509评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,611评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,837评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,987评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,730评论 0 267
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,194评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,525评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,664评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,334评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,944评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,764评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,997评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,389评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,554评论 2 349