灰度-梯度共生矩阵分类结果

纹理特征分析既可用灰度本身的信息，又可用灰度变化的梯度信息。灰度-梯度共生矩阵纹理分析方法是用灰度和梯度的综合信息提取纹理特征，它考虑像素灰度与边缘梯度的联合统计分布。利用灰度-梯度共生矩阵我们计算了小梯度优势、大梯度优势、灰度分布不均匀性、梯度分布不均匀性、能量、灰度平均、梯度平均、灰度方差、梯度方差、相关、梯度熵，灰度熵、混合熵、惯性、以及逆矩差等十五个纹理特征量

<o:p>

<o:p> </o:p>

参数说明:

GrayNumLevels    灰度级参数<o:p></o:p>

GradsNumLevels   梯度级参数<o:p></o:p>

Method='sobel'   梯度算子<o:p></o:p>

<o:p> </o:p>

提取特征如下：

SmallGradsDominance 小梯度优势<o:p></o:p>

 BigGradsDominance   大梯度优势 <o:p></o:p>

 GrayAsymmetry       灰度分布不均匀性  <o:p></o:p>

 GradsAsymmetry      梯度分布不均匀性  <o:p></o:p>

 Energy              能量<o:p></o:p>

 GrayMean            灰度平均  <o:p></o:p>

 GradsMean           梯度平均<o:p></o:p>

 GrayVariance        灰度方差<o:p></o:p>

 GradsVariance       梯度方差<o:p></o:p>

 Correlation         相关 <o:p></o:p>

 GrayEntropy         灰度熵 <o:p></o:p>

 GradsEntropy        梯度熵<o:p></o:p>

 Entropy             混合熵<o:p></o:p>

 Inertia             惯性<o:p></o:p>

 DifferMoment        逆差距<o:p></o:p>

共计15个特征。<o:p></o:p>

<o:p> </o:p>

编号	变参	花费时间（s）	检测率	误检率	训练错误率
1	GrayNumLevels=32<o:p></o:p> GradsNumLevels=16<o:p></o:p>  Method='sobel'<o:p></o:p>	70	0.8820	0.1040	0.0820
2	GrayNumLevels=16; <o:p></o:p> GradsNumLevels=8;<o:p></o:p> Method='sobel'<o:p></o:p>	69	0.8500	0.1300	0.0830
3	GrayNumLevels=64; <o:p></o:p> GradsNumLevels=32;<o:p></o:p> Method='sobel'<o:p></o:p>	65	0.8900	0.1080	0.0710
4	GrayNumLevels=64; <o:p></o:p> GradsNumLevels=32;<o:p></o:p> Method='prewitt';<o:p></o:p>	57	0.8980	0.1120	0.0630
5	GrayNumLevels=64; <o:p></o:p> GradsNumLevels=32;<o:p></o:p> Method=' roberts';<o:p></o:p>	56	0.8980	0.1000	0.0560

<o:p> </o:p>

采用较大的灰度级数与梯度级数，程序运行时间会较少；检测率略高；

但整体来说，灰度级数与边缘检测算子对运行效果的影响并不大。

 

 

</o:p>