紋理特征提取
關(guān)注創(chuàng)建者：匿名 創(chuàng)建時(shí)間：2026-01-05
紋理特征提取的視頻教程
1-53基于matlab的Tamura紋理特征提取
基于matlab的Tamura紋理特征提取，包括粗糙度、對比度、方向度、線性度、規(guī)則度、粗糙度六種，可替換自己的數(shù)據(jù)進(jìn)行特征提取。程序已調(diào)通，可直接運(yùn)行。 購買后可下載視頻中的源程序文件。
￥44.9 1分鐘 2播放
查看
ABAQUS-特征頻率的提取及帶預(yù)應(yīng)力特征頻率提取
本課程詳細(xì)講解了利用ABAQUS進(jìn)行線性動(dòng)力學(xué)分析，提取臺(tái)架結(jié)構(gòu)的特征頻率，以及帶預(yù)應(yīng)力結(jié)構(gòu)特征頻率的提取。
￥10 19分鐘 90播放
查看
2020MathWorks中國汽車年會(huì)——工程數(shù)據(jù)的特征提取
2020MathWorks中國汽車年會(huì)——工程數(shù)據(jù)的特征提取
免費(fèi) 33分鐘 95播放
查看
紋理特征提取的實(shí)例教程
53基于matlab的Tamura紋理特征提取 ￥44.9
基于matlab的Tamura紋理特征提取，包括粗糙度、對比度、方向度、線性度、規(guī)則度、粗糙度六種，可替換自己的數(shù)據(jù)進(jìn)行特征提取。程序已調(diào)通，可直接運(yùn)行。
[轉(zhuǎn)帖]matlab下gabor濾波算法,可以提取圖象紋理特征
%%%%%%%VERSION 1
%The Gabor filter is basically a Gaussian (with variances sx and sy along x and y-axes respectively)
%modulated by a complex sinusoid (with centre frequencies U and V along x and y-axes respectively)
%described by the following equation
%%
% 1 -1 x ^ y ^
%%% G(x,y) = ---------- * exp ([----{(----) 2+(----) 2}+2*pi*i*(Ux+Vy)])
% 2*pi*sx*sy 2 sx sy
%% Describtion :
%% I : Input image
%% Sx & Sy : Variances along x and y-axes respectively
%% U & V : Centre frequencies along x and y-axes respectively
%% G : The output filter as described above
%% gabout : The output filtered image
%% Author : Ahmad poursaberi e-mail : a.poursaberi@ece.ut.ac.ir
%% Faulty of Engineering, Electrical&Computer Department,Tehran
%% University,Iran,June 2004
展開 圖像經(jīng)過這種遍歷操作后，圖像就被二值化了，每一個(gè)窗口中心的8鄰域點(diǎn)都可以由8位二進(jìn)制數(shù)來表示，即可產(chǎn)生256種LBP碼，這個(gè)LBP碼值可以用來反映窗口的區(qū)域紋理信息。LBP具體在生成的過程中，先將圖像劃分為若干個(gè)子區(qū)域，子區(qū)域窗口可根據(jù)原圖像的尺寸進(jìn)行調(diào)整，而不一定非得為3×3的正方形窗口。一般對于512×640的圖像，子區(qū)域窗口區(qū)域選取大小為16×16。
②圓形LBP： 經(jīng)典LBP用正方形來描述圖像的紋理特征，其缺點(diǎn)是難以滿足不同尺寸和頻率的需求。Ojala等人對經(jīng)典LBP進(jìn)行了改進(jìn)，提出了將3×3的正方形窗口領(lǐng)域擴(kuò)展到任意圓形領(lǐng)域。由于圓形LBP采樣點(diǎn)在圓形邊界上，那么必然會(huì)導(dǎo)致部分計(jì)算出來的采樣點(diǎn)坐標(biāo)不是整數(shù)，因此這里就需要對得到的坐標(biāo)像素點(diǎn)值進(jìn)行處理，常用的處理方法是最近鄰插值或雙線性插值。
放一張SIFT/HOG/LBP優(yōu)缺點(diǎn)、適用范圍對比圖：
5.4 HAAR
人臉檢測最為經(jīng)典的算法Haar-like特征+Adaboost。這是最為常用的物體檢測的方法（最初用于人臉檢測），也是用的最多的方法。
訓(xùn)練過程： 輸入圖像->圖像預(yù)處理->提取特征->訓(xùn)練分類器（二分類）->得到訓(xùn)練好的模型；
測試過程：輸入圖像->圖像預(yù)處理->提取特征->導(dǎo)入模型->二分類（是不是所要檢測的物體）。
Haar-like特征是很簡單的，無非就是那么幾種，如兩矩形特征、三矩形特征、對角特征。后來，還加入了邊緣特征、線特征、中心環(huán)繞特征等。使用積分圖可以加速計(jì)算特征。最后，使用集成的方法Adaboost進(jìn)行訓(xùn)練。
展開 淺析什么是數(shù)據(jù)分析的特征提取
在機(jī)械故障診斷及壽命預(yù)測中，我們都會(huì)提到設(shè)備的特征頻率提取，那么通俗的講特征提取是什么意思呢？
01
PART
機(jī)械故障診斷以及壽命預(yù)測中的特征提取是實(shí)現(xiàn)故障診斷和壽命預(yù)測的重要環(huán)節(jié)。不論是故障診斷還是壽命預(yù)測，都是根據(jù)一定的特征進(jìn)行的判斷，而這些特征提取是指的是什么就需要先從故障以及壽命預(yù)測的基本定義上尋找源頭。
根據(jù)JISC的定義，所謂故障，即對象（系統(tǒng)及其零部件）喪失規(guī)定功能的狀態(tài)。
一般而言，故障包含兩種狀態(tài)：
第一、 引起對象（系統(tǒng)及其零部件）馬上丟失其性能的破壞性故障；
第二、 與設(shè)備性能降低有關(guān)的性能性故障。
第一種故障狀態(tài)是設(shè)備功能的丟失，即設(shè)備完全失去性能，不能用了；第二種故障狀態(tài)是指設(shè)備功能的部分喪失，或者說是功能的降低，但依然可以使用。用健康管理的常用名詞來講就是“亞健康”狀態(tài)。
綜上，第一種狀態(tài)是設(shè)備生命周期的終結(jié)，也就是設(shè)備到達(dá)壽命了。此時(shí)的壽命可能是正常壽命（大于等于預(yù)期壽命），也可能是非正常壽命（提前失效等）；
第二種故障是“病態(tài)”或者是“病而未死”的狀態(tài)，如果不處理可能就會(huì)發(fā)展到第一種狀態(tài)。
因此當(dāng)我們察覺到第二種狀態(tài)，并通過這種狀態(tài)來“預(yù)測”設(shè)備未來還有“多久”達(dá)到第一種狀態(tài)，就是常說的壽命預(yù)測，而這個(gè)“多久”則是“剩（殘）余壽命”。
闡明機(jī)械故障以及壽命預(yù)測的含義，有助于了解如何提取特征。
不論是故障還是對故障的預(yù)判（壽命預(yù)測），首先都需要對設(shè)備當(dāng)前的狀態(tài)進(jìn)行觀察。
展開 在ABAQUS中tigong了三種提取特征值的求解器：AMS (Automatic Multi-level Substructuring) 求解器、Lanczos特征值求解器和子空間迭代求解器。Lanczos特征值求解器是默認(rèn)的方法。
AMS特征值求解器是一種高效的，針對大規(guī)模問題的能提取大量特征值的方法，主要適用于1百萬自由度以上的模型及500階模態(tài)以上。
它包含3個(gè)求解步驟：
（1）生成子結(jié)構(gòu)；
（2）獲得特征值；
（3）從縮減的向量中獲得全部特征向量。在Abaqus中采用AMS特征值求解器的句法（提取100階頻率）
*STEP
*FREQUENCY,ELGENSOLVER=AMS
,,100
對于傳統(tǒng)的結(jié)構(gòu)，Lanczos是默認(rèn)的特征值提取方法。然而對于大規(guī)模問題，相比AMS方法，Lanczos方法效率較低。使用Lanczos方法，可以指定最大頻率的提取或提取的頻率數(shù)量，也可以指定最小頻率的提取。Lanczos特征值求解器允許計(jì)算到特征值真正的誤差限制時(shí)才終止，可以滿足正常的終止原則。對于多數(shù)問題，相對誤差為1.E-12數(shù)量級，因此Lanczos求解器的計(jì)算結(jié)果精度一般要比子空間迭代法高。而子空間迭代法的終止條件是通過判斷從這一次迭代到下一次迭代過程中特征值的相對變化來實(shí)現(xiàn)的，如果相對變化小于1.E-5則認(rèn)為已經(jīng)收斂，結(jié)束計(jì)算。
abaqus中的特征值提取.pdf
展開 
紋理特征提取的相關(guān)專題、標(biāo)簽、搜索
紋理特征提取的最新內(nèi)容
Ansys Workbench ACT插件，由窗口選中體單元，提取體積和表面積，計(jì)算幾何特征尺寸
問題：
在FKM關(guān)于結(jié)構(gòu)疲勞評估計(jì)算方法中指出：零部件特征尺寸，影響疲勞結(jié)果評估。原因是材料的應(yīng)力壽命曲線是由標(biāo)準(zhǔn)試樣進(jìn)行試驗(yàn)測試獲得的。當(dāng)零部件的特征尺寸與測試樣件不一致時(shí)，需要考慮零部件的特征尺寸這一因素。（一般而言，當(dāng)零部件的尺寸大于材料標(biāo)準(zhǔn)測試樣件時(shí)，零部件的表面或內(nèi)部缺陷發(fā)生的概率會(huì)增加
關(guān)鍵詞：Matlab；GUI界面；App Designer；圖像分類；特征提取；
背景
纖維圖像特征提取與分類是一個(gè)涉及圖像處理和模式識(shí)別的領(lǐng)域，它在材料科學(xué)、紡織工程、生物醫(yī)學(xué)成像以及任何需要對纖維結(jié)構(gòu)進(jìn)行分析的領(lǐng)域都有廣泛的應(yīng)用。纖維可能重疊、交叉或糾纏在一起，使得分割和特征提取變得復(fù)雜。不同類型的纖維具有不同的特性，需要開發(fā)能夠適應(yīng)這種多樣性的算法。自動(dòng)化纖維圖像的分析過程，減少人工干預(yù)
基于matlab的正態(tài)云模型花卉特征提取，用正向正態(tài)云發(fā)生器和逆向正態(tài)云發(fā)生器來模擬花卉的部分特征提取。程序已調(diào)通，可直接運(yùn)行。
基于matlab的Tamura紋理特征提取，包括粗糙度、對比度、方向度、線性度、規(guī)則度、粗糙度六種，可替換自己的數(shù)據(jù)進(jìn)行特征提取。程序已調(diào)通，可直接運(yùn)行。
淺析什么是數(shù)據(jù)分析的特征提取
在機(jī)械故障診斷及壽命預(yù)測中，我們都會(huì)提到設(shè)備的特征頻率提取，那么通俗的講特征提取是什么意思呢？
01
PART
機(jī)械故障診斷以及壽命預(yù)測中的特征提取是實(shí)現(xiàn)故障診斷和壽命預(yù)測的重要環(huán)節(jié)。不論是故障診斷還是壽命預(yù)測，都是根據(jù)一定的特征進(jìn)行的判斷
如，針對具有較強(qiáng)紋理特征的注塑件，LIU 等采用截?cái)嗥娈愔捣纸夂托〔ǚ纸饧夹g(shù)，實(shí)現(xiàn)注塑件的紋理特征提取，并建立外觀缺陷的檢測模型 [1] ；GAHLEITNER 等利用數(shù)字圖像處理技術(shù)和狀光源成像技術(shù)實(shí)現(xiàn)產(chǎn)品指定位置的紋理檢測 [2] 。對具有縮痕缺陷的注塑件，GRUBER等建立產(chǎn)品縮強(qiáng)度與產(chǎn)品外觀圖像的二階微分之間的定量關(guān)系與模型，實(shí)現(xiàn)注塑件縮痕缺陷的自動(dòng)檢測 [3] 。
來源 | 機(jī)器學(xué)習(xí)AI算法工程
前言：本文對計(jì)算機(jī)視覺傳統(tǒng)方法中的一些特征提取方法進(jìn)行了總結(jié)，主要包括有：SIFT(尺度不變特征變換)、HOG(方向梯度直方圖)、SURF、ORB、LBP、HAAR。
目錄
[1] SIFT（尺度不變特征變換）
[2] HOG（方向梯度直方圖
圖2 檢測結(jié)果[15]
Fig.2 Detection results[15]
Kristan等[16]解決了通過約束無監(jiān)督分割方法進(jìn)行在線檢測存在的問題，提出了一種可通過USV捕獲的單個(gè)視頻幀進(jìn)行快速連續(xù)的障礙物圖像地圖估計(jì)，不需要紋理特征提取的圖形模型，降低了計(jì)算量，提升計(jì)算速度和視覺目標(biāo)檢測算法穩(wěn)定性，能夠?qū)崿F(xiàn)多種動(dòng)態(tài)目標(biāo)檢測，但其采用原則上的信息融合方法，并未結(jié)合其他外部傳感器，導(dǎo)致目標(biāo)檢測精度受限
摘要：本文用一個(gè)實(shí)例演示小波能量特征提取。本文素材來自網(wǎng)絡(luò)，筆者作了稍微修改。
01小波包變換
小波包變換是比小波變換更加精細(xì)的變換。小波變換只對信號的低頻部分進(jìn)行了分解，為高頻部分并未分解，忽略了信號的高頻部分（細(xì)節(jié)部分）。小波包變換彌補(bǔ)了這個(gè)不足之處。
02能量特征提取實(shí)例
構(gòu)造信號如下：
import numpy as np
import matplotlib.pyplot
自由振動(dòng)在數(shù)學(xué)上講就是特征值方程。特征值方程的解給出了特征值以及結(jié)構(gòu)的模態(tài)，而且還能使結(jié)構(gòu)在動(dòng)力學(xué)荷載作用下的運(yùn)動(dòng)方程解耦。因而，特征值的求解對于振動(dòng)問題來說尤其重要。特征值的提取是建立在一個(gè)無阻尼的自由振動(dòng)系統(tǒng)上，及振動(dòng)方程中沒有阻尼項(xiàng)的影響。
特征值和模態(tài)反應(yīng)了結(jié)構(gòu)在自由振動(dòng)下的特點(diǎn)和頻率特征。采用振型分解法獲得振型和頻率，就可得到任何線性結(jié)構(gòu)的響應(yīng)
