Grey Level Co-occurrence Matrix (GLCM) Based Second Order Statistics for Image Texture Analysis

本文描述和计算了24个128 x 128 x 3的测试图像在水平、垂直和对角方向上的灰度共生矩阵和灰度差分向量。计算并研究了二阶图像统计量，如对比度、不相似性、均匀性（反差矩）、角二阶矩、能量、最大概率、熵、均值、标准差和相关性。对于24个128 x 128 x 3的测试图像，沿水平、垂直和对角方向分别描述和计算了灰度共生矩阵（GLCM）和灰度差分向量（GLDV）。结果表明，平滑图像具有较低的对比度值和较高的相同范围差异出现的概率，而粗糙的图像具有较高的对比度值和较低的差异出现概率。图像的平滑度或粗糙度在水平、垂直和对角方向上可能并不完全相同。不相似性和对比度、均匀性和对比度、熵和对比度、能量和对比度、标准差和对比度、相关性和对比度以及0-19差异出现概率和对比度之间存在显著的相关性，相关系数分别为0.9322、-0.5011、0.6681、-0.4255、-0.4914、0.5428和-0.8346。

本论文旨在通过计算二阶图像统计量，研究灰度共生矩阵和灰度差向量在水平、垂直和对角线方向上的表现，探究图像的光滑程度和粗糙程度与二阶图像统计量之间的关系。

本论文的关键思路是通过计算灰度共生矩阵和灰度差向量，以及二阶图像统计量，研究图像的光滑程度和粗糙程度与二阶图像统计量之间的关系。并且发现了图像在不同方向上的光滑程度和粗糙程度可能不尽相同。

本论文的实验设计了24个128 x 128 x 3的测试图像，并且使用了灰度共生矩阵和灰度差向量等二阶图像统计量进行了分析。实验结果表明，光滑图像的对比度值较低，相同范围内差异的出现概率较高，而粗糙图像的对比度值较高，相同范围内差异的出现概率较低。此外，还发现了Dissimilarity和Contrast、Homogeneity和Contrast、Entropy和Contrast、Energy和Contrast、Standard Deviation和Contrast、Correlation和Contrast以及差异出现概率0-19和Contrast之间存在显著的相关性。

在这个领域中，还有许多相关的研究，例如《基于灰度共生矩阵的图像纹理分析与分类研究》、《基于灰度共生矩阵的图像纹理特征提取方法研究》等。