摘要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，纹理特征提取己成为目前图像领域研究的热点。文中深入研究了基于灰度共生矩阵(GLCM)的纹理特征提取方法，给出了基于Matlab的简便实现代码，分析了共生矩阵各个构造参数对构造共生矩阵的影响。分析结果对优化灰度共生矩阵的构造、实现基于灰度共生矩阵(GLCM)的特定图像的纹理特征提取等都具有重要参考意义。本文分析了图像纹理的特征提取—灰度共生矩阵，是物体表而最本质的属性。纹理特征提取是作为纹理分析的首要任务，纹理提出了用灰度共生矩阵的方法提取纹理特征，通过MA丁LAB仿真实现，结果由灰度共生矩阵产生的四个纹理特征能具有较好的鉴别能力。关键词:特征提取；灰度共生矩阵；纹理特征；Matlab目录1设计目的...........................................................................................12设计方案...........................................................................................22.1二阶距(能量)...............................................................................22.2对比度.........................................................................................22.3相关.............................................................................................32.4熵.................................................................................................33程序设计...........................................................................................44仿真结果与分析...............................................................................84.1仿真图.......................................................................................84.2结果分析.................................................................................11结束语................................................................................................12参考文献............................................................................................131设计目的由于纹理是由灰度分布在空间位置上反复出现而形成的，因而在图像空间中相隔某距离的两象素之间会存在一定的灰度关系，即图像中灰度的空间相关特性。灰度共生矩阵就是一种通过研究灰度的空间相关特性来描述纹理的常用方法。直觉上来说，如果图像的是由具有相似灰度值的像素块构成，则灰度共生矩阵的对角元素会有比较大的值；如果图像像素灰度值在局部有变化，那么偏离对角线的元素会有比较大的值。灰度直方图是对图像上单个象素具有某个灰度进行统计的结果，而灰度共生矩阵是对图像上保持某距离的两象素分别具有某灰度的状况进行统计得到的。2设计方案灰度共生矩阵的特征参数：灰度共生矩阵反映的是图像灰度关于方向、相邻间隔、变化幅度的综合信息。通过灰度共生矩阵可以分析图像的局部模式和排列规则等，为了能更直观地以灰度共生矩阵描述纹理状况，一般不直接应用得到的共生矩阵，而是在其基础上获取二次统计量。为了分析方便，先将各个元素dP(i,j)除以各元素之和S，得到各元素都小于1的归一化值dˆP(i.j)，由此得到归一化共生矩阵。Haralick等人定义了14个用于纹理分析的灰度共生矩阵特征参数。Ulaby等人研究发现:在基GLCM的14个纹理特征中,仅有4个特征是不相关的,这4个特征既便于计算又能给出较高的分类精度，一般采用下面四个[4]最常用的特征来提取图像的纹理特征。2.1二阶距(能量)二阶距是灰度共生矩阵元素值得平方和，所以也称为能量，反映了图像灰度分布均匀程度和纹理粗细程度。如果灰度共生矩阵的所有值均相等，则f1小。如果其中一些值大而其他值小，则f1大。当f1大时，纹理粗，能量大；反之，f1小时，纹理细，能量小。2.2对比度对比度反映了图像的清晰度和纹理沟纹深浅的程度，计算公式如3.2。纹理的沟纹深度大，效果清...