文件編號：D60

文件大?。?/strong>12M

代碼行數(shù)：106行(主函數(shù))

開發(fā)環(huán)境：Matlab2020

猿創(chuàng)承諾：該項目親測正常運行，需遠程調(diào)試部署需另外收費，確保正常使用，不能正常使用全額退款。

簡要概述：基于Matlab灰度共生矩陣的圖形紋理檢測及路面狀況的SVM分類實現(xiàn)

圖像的特征提取是圖像的識別和分類、基于內(nèi)容的圖像檢索、圖像數(shù)據(jù)挖掘等研究內(nèi)容的基礎性工作，其中圖像的紋理特征對描述圖像內(nèi)容具有重要意義，紋理特征提取已成為圖像領域研究的一個重要方法。

本項目以道路狀況分類為背景，基于SVM使用紋理特征參數(shù)完成對道路狀況的分類。

灰度共生矩陣的特征參數(shù)：

-二階矩

-對比度

-相關(guān)性

-熵

-逆差距

實現(xiàn)過程

本文以識別路況為背景設計系統(tǒng)，首先讀取圖像文件，在為了得到較為理想的結(jié)果，給出的圖片尺寸較小，這樣的目的在于提高運行速度、能夠?qū)硐肭闆r下的識別結(jié)果有更加精確的把握。由于RGB圖像的體積較大，但另一方面我們也知道，一張圖片也可以用其灰度圖像來反映，因此，對目標圖像進行灰度的轉(zhuǎn)化，可以降低對設計復雜度和運行效率的要求。盡管灰度轉(zhuǎn)化后可以有效的降低圖片的大小，但是對于256灰度級的圖片仍然會給處理帶來一些時間上的消耗，因此需要在保持原圖像信息不變的情況下大量削減灰度級，通過對圖像進行直方圖均衡化處理，增加灰度值的動態(tài)范圍，從而增加圖像的整體對比效果。通常，需要將每個掃描的方向所計算的特征參數(shù)計算出來作一個權(quán)衡，這樣能夠更好地綜合影響因素，一般會將每個方向的特征參數(shù)計算出來取平均，這樣就可以以一個綜合的指標來識別圖像了。把所有的設計思路綜合起來，可以用下圖所示的系統(tǒng)設計框圖來反映。

分類結(jié)果

通過樣本標簽和分類后的標簽對比，得出使用能量和對比度作為訓練分類器的樣本，分類器對于實驗待分類樣本分類的其正確率為：95%，由此可以看出，這個分類器對于道路狀況的分類仍然具有一定的意義。

設計總結(jié)

1.計算灰度共生矩陣時要考慮三個變量，圖像灰度級、方向和距離。

2.對于灰度級的選取，灰度級決定了灰度共生矩陣的計算規(guī)模，降低灰度級可以提高計算速度和減少存儲空間需求，且適當降低灰度級還可以減少噪聲對圖像的影響，但過小的灰度級會破壞有用紋理的成分。

3.對于距離d的選擇，共生矩陣在精細紋理中隨距離而快速變化，而在粗糙紋理中隨距離則變化緩慢。一般而言，對于平滑紋理用較大的距離，對于粗糙紋理用較小的距離會取得較好的效果。對于方向的選擇，一般有四種取值，通過不同方向可以考察不同的紋理，不同方向生成的共生矩陣中包含不同的紋理信息。在考慮方向時，往往是分別計算四個方向灰度共生矩陣所確定的紋理特征值，然后以各方向特征值的均值作為最終紋理分量。

4.利用SVM進行分類時，樣本的選取和核函數(shù)的選取是分類器是否優(yōu)良的一個重要影響因素，因此，對于一個優(yōu)良的分類器，應該充分考慮各種影響因素后，選擇一個最優(yōu)的方案才能使待分類目標得到更好的分類。

演示視頻：

點擊查看：系統(tǒng)演示視頻

運行結(jié)果：

遠程協(xié)助：

溫馨提示：索煒達.猿創(chuàng)官方提供收費遠程協(xié)助，確保您項目運行成功。

點擊查看：遠程協(xié)助相關(guān)事項

我們提供完整項目文件清單如下：

文件目錄

 ├ 1.項目源碼

 ├ 2.運行截圖

 └ 3.演示視頻