1) Gray level co-occurrence matrix
灰度层共现矩阵
2) gray level co-occurrence matrix
灰度共生矩阵
1.
Texture Image Retrival Based on Wavelet Decomposition and Gray Level Co-occurrence Matrix;
基于小波分解和灰度共生矩阵的纹理图像检索
2.
Texture segmentation on the scale co-occurrence matrix and gray level co-occurrence matrix;
基于尺度和灰度共生矩阵的纹理图像分割
3.
A Self-adaptable Method to Detect Edge in Images Based on Gray level co-occurrence matrix;
基于灰度共生矩阵的自适应图像边缘检测
3) GLCM
灰度共生矩阵
1.
Wood Texture Classification and Recognition Based on Spatial GLCM;
基于空间灰度共生矩阵木材纹理分类识别的研究
2.
Research on Building Method of GLCM Suitable to Wood Texture;
适于描述木材纹理的灰度共生矩阵构造方法研究
3.
First,GLCM was used to extract the feature parameters of the wood textures.
首先,应用灰度共生矩阵提取了木材的纹理特征参数;其次,在此特征参数体系下,应用 BP 神经网络对木材纹理进行了分类研究,识别率达89%。
4) gray-level Co-occurrence matrix
灰度共生矩阵
1.
Study on identification of fabric texture based on gray-level co-occurrence matrix;
基于灰度共生矩阵的织物组织结构差异分析
2.
Then texture features are extracted based on gray-level co-occurrence matrix.
然后基于灰度共生矩阵实现纹理特征的提取,结合实际现状筛选出较好的纹理特征图像。
3.
The traditional gray-level co-occurrence matrix (GLCM) was computationally intensive and discriminatively insufficient.
分析了传统的灰度共生矩阵在计算纹理特征时计算量大,且分辨能力差的缺点。
5) co-occurrence matrix
灰度共生矩阵
1.
This paper integrates the advantages of the traditional co-occurrence matrix and generalized image co-occurrence matrix and proposes an improved method based on generalized image co-occurrence matrix.
综合考虑了传统灰度共生矩阵法与基于广义图像灰度共生矩阵法各自的优点,提出了改进的基于广义图像灰度共生矩阵的图像检索方法。
2.
Based on gray level co-occurrence matrix, we got the features of an image.
该文提出一种新的道路分类方法,在灰度共生矩阵的基础上得到图像的纹理特征,并通过决策树模型得到道路图像分类的决策树。
3.
This paper studies the extraction of texture features of remote sensing images using gray-scale extraction of co-occurrence matrix,realized the classification and analysis for panchromatic remote sensing image using the shortest distance classifier and filter of the supervised classification methods under MATLAB.
研究了利用灰度共生矩阵提取遥感影像的纹理特征,实现了MATLAB下采用监督分类方法应用最短距离分类器及滤波完成了全色遥感影像的分类分析。
6) grey level co-occurrence matrix
灰度共生矩阵
1.
In this paper,the methods for CBIR is based on color co-occurrence matrix-a new conception which proposed on the basis of grey level co-occurrence matrix.
在灰度共生矩阵方法的基础上,发展出色彩共生矩阵方法,解决了灰度共生矩阵方法不能有效处理真彩色图像的缺陷,并从色彩共生矩阵中提取颜色和纹理特征用于图像检索。
2.
Seven feature parameters of grey level co-occurrence matrix(GLCM) and ten shape feature formulae of Hu invariant moments were combined when discussing the parameters of Panthera tigris altaica individual recognition.
在探讨东北虎个体识别的参数时,本文把灰度共生矩阵的7个特征参数和Hu不变矩抽象的10个形状特征公式相结合,根据相关系数分析选择其中的7个特征参数,最后利用BP神经网络进行分类识别,证明按照上述规则生成的7个特征参数有效,可以用于东北虎的个体识别。
3.
This paper investigates the collection of textural parameters according to the analysis of grey level co-occurrence matrix and classification of Brodatz texture database by means of BP neural network ensemble.
通过对灰度共生矩阵的分析,提取图像的纹理特征参数,并用BP神经网络集成的方法对Brodatz纹理库图像进行分类,仿真结果显示,其分类效果优于单一的BP神经网络,可有效提高分类识别率。
补充资料：两颗超新星并肩共现同一个星系中
美国宇航局雨燕（Swift）天文观测卫星偶然观测到宇宙中十分罕见的景象：两颗超新星肩并肩共现于同一个星系NGC1316中。
通常，典型的大型星系平均每世纪出现3颗超新星。然而，NGC1316星系在过去不足5个月的时间内出现了2颗超新星。而据记载，在过去的26年中，人们在NGC1316星系共观测到了4颗超新星，这使得该星系成为超新星多产星系。
超新星是一颗恒星在其生命最终阶段的一次大爆发，释放出的巨大能量好像突然在该恒星上出现了一颗“新”星。超新星不同于新星，虽然新星爆发都会使一颗星的光度突然增加，但是程度比较小，而且发生的机制也不一样。
从雨燕天文观测卫星拍摄的图片上，可以看到4个亮点中有两个是肩并肩的超新星。其中右边的亮点是于2006年6月19日发现的、目前仍然清晰可见的超新星SN2006dd；另一个则是紧靠其左边的亮点，名为SN2006mr，于2006年11月5日发现。它们俩中间靠下方的亮点代表该星系的核心，而最左边的小亮点为背景中的一颗恒星。
NGC1316星系呈巨型椭圆状，距离地球8000万光年，在双超新星被观测到之前，它刚刚与一个呈螺旋状的星系完成了合并。星系合并要产生新的大恒星，同时会催生超新星的出现。但目前科学家还不知道NGC1316星系中高产超新星是偶然现象还是星系合并的结果。
雨燕天文观测卫星于2004年11月发射，2005年1月开始正常工作。卫星上安装了爆发警觉望远镜、X射线望远镜和紫外线/光学望远镜等3台主要设备，其中爆发警觉望远镜专门用于探测太空中的伽马射线源。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条