纹理是一种重要的视觉特征, 它反映了像素灰度的空间分布规律, 传达了物体的表面结构信息. 提取有效的纹理特征是图像处理和计算机视觉领域研究的基础问题, 在纹理分类[1-3]、纹理分割[4]、场景识别[5]、图像匹配[6]等视觉任务中扮演重要角色. 由于图像内在的纹理结构呈现多样化以及外部成像条件的不可预知性(如旋转、光照、尺度和视角等变化), 提取对各种图像变化具有不变性的纹理特征是一个富有挑战性的问题.
近几十年来, 学者们提出了一系列的纹理特征提取方法, 包括灰度共生矩阵[7]、马尔科夫随机场[8]、Gabor滤波[9]和小波变换[10]等. Ojala等[2]提出了局部二值模式(Loca
您可能关注的文档
- “不能”还是“不愿”?非认知能力对农户信贷排斥的影响研究.docx
- “一带一路”倡议的农业价值链关联效应——基于Eora26跨国投入产出数据的双重差分检验.docx
- CEO与CFO间社会关系与企业投资效率.docx
- 比较法视角下的我国“车联网”数据治理路径选择.docx
- 城市规模、数字普惠金融发展与零工经济.docx
- 城市群扩容是否有利于产业升级——来自长三角县域的经验证据.docx
- 大数据税收征管降低了股价崩盘风险吗?——基于“金税三期”的准自然实验.docx
- 董事高管责任保险能够抑制金融资产配置吗?——来自2007-2019年非金融上市公司的经验证据.docx
- 董事高管责任险、薪酬替代与企业绩效——基于国有企业“限薪令”的准自然实验.docx
- 服务业综合改革政策的效果评估——兼论体制机制创新助力高质量发展启示.docx
原创力文档

文档评论(0)