基于灰度共生矩阵的图像分割方法研究
时间：20091216111313来源：电子科技作者：宁顺刚，白万民，喻钧西安工业大学计算机科学与工程学院
所谓图像分割就是指把图像分成各具特性的区域，并提取出感兴趣目标的技术和过程。它是数字图像处理中的关键技术之一，是进一步进行图像识别、分析和理解的基础。目前图像分割方面现有的算法非常多，将它们进行分类的方法也提出了不少。一般分为3类：1阈值分割；2边缘检测；3区域提取。但还没有一种方法能普遍适用于各种图像。因此，对于图像分割的研究还在不断深人之中，也是目前图像处理中研究的热点之一。随着科技的发展进步，图像处理在军事中的运用也越来越广泛，这主要集中在迷彩设计这方面。而现在军事上的伪装迷彩是现代高技术战争中隐藏武器装备、保存自我的重要手段，也是消灭敌人的需要。因此对于迷彩的设计研究也一直都是各国的热门话题。文中主要以某山地航拍图为研究对像，对其进行背景分析然后再实现图像分割，为后期迷彩设计做准备。由于该山地背景纹理特征明显，故利用纹理分析对其进行背景分析，而灰度共生矩阵是纹理分析方法中最常用的一种方法。文中采用灰度共生矩阵方法对该图像进行分割研究。1灰度共生矩阵灰度共生矩阵GrayLevelCooccurre
ceMatrix，GLCM是图像纹理分析方法中的一种，它反映不同像素相对位置的空间信息，在一定程度上反映了纹理图像中各灰度级在空间上的分布特性，是纹理分析领域中最经常采用的特征之一。灰度共生矩阵是图像灰度变化的二阶统计度量，也是描述纹理结构性质特征的基本函数，它统计了两个像素点位置的联合概率分布。设S为目标区域R中具有特定空间联系的像素对的集合，则共生矩阵P可定义为
式1等号右边的分子是具有某种空间关系、灰度值分别为i，j的像素对的个数，分母为像素对的总和个数代表数量，这样得到的P是归一化的。对于一幅图像Gfi，j，大小N×N，包含像素动态范围为G的灰度级为0，1，…，G1，它的灰度共生矩阵是一个二维矩阵Ci，J，每个矩阵元素表示在某一距离d和角度θ强度i和j联合出现的概率。因此，根据不同的d和θ值，这里可能存在多个共生矩阵。但在实际应用中，往往适当的选取d，而θ一般取O°，45°，90°，135，如图1所示。
f2实验设计及分析2．1灰度共生矩阵的常用参量实际应用中，作为图像纹理分析的特征量是由灰度共生矩阵计算出的一些参量。Haralick曾提出14种由灰度共生矩阵计算出的参量。但在本r