Image processing 随机性很高的纹理图像分类

我想知道什么是对纹理图像进行分类的最佳方法，这些纹理图像具有极端的随机性，但包含轻微的重复模式。我对这方面一无所知，任何指向良好资源的链接都是受欢迎的

---

我想分离两个包含8位灰度纹理的图像，它们在视觉上没有图像，但我认为算法能够检测相似性和差异。

基本上，您需要提取纹理特征。您应该尝试使用的一些纹理功能包括 1.GLCM特性（matlab实现：） 2.LBP（本地二进制模式） 3.Gabor功能（我有一个实现，请告诉我你是否想要这些） 4.小波特征

另一个很好的解决问题的方法

---

您好，您可能想做的第一件事是在scholar.google.com上查找出版物（点击“版本”会很有帮助，通常可以免费访问该论文）。第二，你的问题很模糊。很高兴看到一些示例图像。尝试LU变换。它是单值的，并且本文对具有随机性的纹理样本进行了分类。我想你已经涵盖了大多数标准纹理描述符。除非在图像上实际运行，否则不能说其中哪些是适用的。顺便说一句，Gabor实现在很多方面都会派上用场。你会考虑在某个地方托管代码并链接到这个问题吗？我已经在MathWorksFiExchange上传了Gabor特性的实现，它应该在几天内完成。另外，我也把它放在dropbox上，可以从@AruniRC下载。我只是想看看你正在制作的图片。顺便说一句，gabor特性代码有用吗？我提到包括gabor滤波器，因为它通常很方便。现在我正在使用ICDAR 2003健壮阅读图像（可在网上获得）。我的代码是用C和OpenCV编写的，所以不会使用Matlab的任何副本/过去版本。但是我可以用C实现它看看Matlab代码。如果你碰巧用C语言实现了gabor特征提取，请告诉我。