简介：摘要目的探论肺纹理增强的临床意义。方法本组选取2011年1月一2011年12月报告的肺纹理增强(以右下肺纹理增强占70%)患者共250例，男150例，女100例，年龄为出生后2岁一80岁，平均年龄为40岁。结果250例表现有肺纹理增强病例中，有症状的肺纹理增强160例，占64%，无症状的肺纹理增强90例，占36%。结论“肺纹理增强”是一个X线诊断术语，表示从肺门向肺野外围延伸的放射状条状阴影，其单纯的肺纹理增强临床价值较小.只有认真分析肺纹理增强的性质并与其他X线表现阳临床情况相结合起来，并且要尽可能的随访观察才有较大的诊断价值。

简介：【摘要】目的：分析PET-CT融合图像肺纹理特征在肺癌鉴别诊断中的应用价值。方法：随机选取2018年6月～2020年12月期间在我院进行PET-CT检查的52例患者做为研究对象，分别由医师经验知识和融合图像纹理特征参数判断患者肺部病灶情况。并且对患者进行手术病理检查或治疗，通过影像学随访确诊其肺部良恶性病变。比较几种方法应用在肺癌诊断时的灵敏度和特异性。结果：52例患者最终被诊断为肺癌的有45例，医师经验知识诊断的灵敏度为90.91%，特异性为57.14%。纹理特征参数诊断的灵敏度为91.30%，特异性为66.67%。二者联合诊断的灵敏度为93.62%，特异性为50%。三者对比差异不明显，P＞0.05，无统计学意义。结论：PET-CT融合图像肺纹理特征应用于肺癌诊断时能够起到较为积极的作用。

简介：【摘要】目的：分析PET-CT融合图像肺纹理特征在肺癌鉴别诊断中的应用价值。方法：随机选取2018年6月～2020年12月期间在我院进行PET-CT检查的52例患者做为研究对象，分别由医师经验知识和融合图像纹理特征参数判断患者肺部病灶情况。并且对患者进行手术病理检查或治疗，通过影像学随访确诊其肺部良恶性病变。比较几种方法应用在肺癌诊断时的灵敏度和特异性。结果：52例患者最终被诊断为肺癌的有45例，医师经验知识诊断的灵敏度为90.91%，特异性为57.14%。纹理特征参数诊断的灵敏度为91.30%，特异性为66.67%。二者联合诊断的灵敏度为93.62%，特异性为50%。三者对比差异不明显，P＞0.05，无统计学意义。结论：PET-CT融合图像肺纹理特征应用于肺癌诊断时能够起到较为积极的作用。

简介：

简介：纹理特征是一个很重要的,也是很常见的特征。基于灰度共生矩阵的纹理分析方法在许多方面的应用已经取得了很大的成功。但是,许多情况下,人们并没有将它用于纹理图像分割,而更多的用于图像分类。由于它在纹理图像分类任务中取得了不错的效果,因此在本文的方法中,我们将采用灰度共生矩阵作为我们的纹理特征。

简介：摘要目的探讨CT纹理特征对5~10 mm磨玻璃肺结节侵袭性的诊断价值。方法回顾性分析2010年1月至2019年11月扬州大学附属苏北人民医院收治的CT表现为直径5~10 mm的肺结节患者67例。经手术病理证实微浸润性腺癌（MIA）36例，浸润性腺癌（IAC）31例。评估患者肺结节CT影像学特征（实性成分、毛刺、边界），运用MaZda 4.6软件在薄层CT图像病灶最大层面勾画感兴趣区自动提取肺结节4种纹理特征值，包括灰度直方图、绝对梯度、游程矩阵及共生矩阵。比较MIA患者与IAC患者肺结节CT影像学特征及纹理特征值的差异。运用WeKa 3.8软件对CT纹理特征进行重要性从高到低排序后，依次纳入训练多变量Logistic回归模型，得到纳入不同特征个数对应的曲线下面积（AUC），并选择最佳AUC值构建接受者操作特征（ROC）曲线，评估该模型区分肺结节侵袭性的诊断效能，采用十折交叉验证防止过度拟合。结果2组患者肺结节边界、含实性成分以及毛刺征等CT影像学特征差异均有统计学意义。重要性排名前12的CT纹理特征建立多变量Logistic回归模型后诊断效能最佳，模型示其AUC为0.845，特异度、敏感度分别为80.6%、74.2%。对该模型进行十折交叉验证，模型准确性为77.6%。结论基于CT平扫的纹理分析能有效鉴别5~10 mm磨玻璃肺结节侵袭性。

简介：纹理分割领域一直是非常活跃的领域，各种纹理分割算法纹理特征提取方法层出不穷。本文着重介绍了各类纹理特征，特征提取方法以及分割技术，主要包括：基于算子的图像特征提取，基于统计方法的特征提取，基于模型方法的分割技术（分形模型，随机场模型），基于纹理结构的特征提取及分割方法，以及基于空频域特征的分割技术（小波技术）。

简介：摘要本文通过对132例肺纹理改变的病理及X线分析，讨论了肺纹理改变的原因及X线表现，以求达到对疾病作出正确诊断的目的。

简介：ISAR干扰效果评估一直是电子对抗领域的热点和难点问题。针对传统客观评估指标存在不足,提出了一种基于图像纹理特征的ISAR干扰效果评估方法。该方法充分考虑了干扰前后图像像素点之间的相关性,其特征向量组涵盖了目标方向、相邻间隔、变化幅度、位置特征及能量变化等多维信息的变化,体现了一种多指标信息融合的体系评估思路。最后,结合ISAR实测数据进行了仿真实验,结果表明该方法不仅能够准确反映干扰前后图像细节纹理的变化,而且能够有效实现干扰样式的优选,有效提升了干扰效果评估的稳健性和可靠性。

简介：针对SAR影像进行水上桥梁目标检测问题,提出了一种纹理特征与关联特征相结合的方法。该方法首先通过去噪及增强预处理改善图像质量,并采用阈值分割方法快速提取初始目标;然后使用灰度共生矩阵对目标及其周边背景纹理进行差异对比分析,从而去除虚警目标。实验结果表明,该方法能够准确地检测出水上桥梁目标。

简介：摘要纹理分析被定义为基于纹理基元的形状、密度和规则方向等纹理特征的分类或分割。纹理分析技术大致可分为四类结构分析法、模型法、信号处理法以及统计法。本文介绍了图像纹理的相关知识，详细阐述基于统计法的几种纹理分析技术，包括灰度共生矩阵、灰度梯度方向矩阵、基于分形布朗运动模型的亮度差值图像自相关法、Tamura纹理特征法

简介：摘要本文采用共生矩阵的方法提取多幅异常肝脏CT图像的感兴趣区域（regionofinterest,ROI）的纹理特征，对两种病变肝脏组织——肝囊肿和肝细胞癌，以及正常肝脏进行纹理分析，对比得出。结论异常肝脏组织的纹理比较粗，比较杂乱且模糊，而正常肝脏组织的纹理比较规则;肝囊肿组织较肝细胞癌组织局部纹理更相似、更均匀而肝细胞癌局部纹理更杂乱。

简介：真皮纹理的复杂性和分类规则的不明确，导致采用人工肉眼判定皮革纹理的分类方式误差大，效率低。皮革表面具有粗细皱痕和色泽差异，加之成像过程受到光照条件影响，皮革图像融合了细节纹理和主干纹理。本文首先对皮革图像进行预处理，在此基础上利用总变差模型消隐细节纹理，重绘出皮革纹理图，采用局部二值方差模式（LBP-V）算法构建皮革纹理图像的图谱直方图作为后期皮革判定的依据。该方法的运用，能够准确地提取出皮革图像的纹理信息，有望解决了目前人工判定的难题。

简介：摘要目的探究在肺小结节CT诊断中运用肺纹理移位的临床诊断效果，并评价其临床应用意义。方法本研究以30例2016年1月-2016年12月期间在我院进行治疗的肺内孤立性结节患者作为研究对象，对所有受试患者的相关临床资料进行回顾性分析，结合患者病灶边缘的光整程度研究患者的病灶性质与肺纹理移位之间的关系。结果本研究共有24例患者的病灶观察到有肺纹理移位现象，其所占比例约为80%；18例患者病灶未肺纹理聚拢，6例患者病灶为肺纹理推移，其中7例患者病灶为肺纹理聚拢且其边缘均较为光整，此7例病灶全部为炎性病灶；6例肺纹理推移病灶全部为非炎性病灶。结论在肺内小结节患者的临床定性诊断中肺纹理移位可作为患者临床诊断的参考征象之一，有助于提高患者的临床诊断率。

简介：针对传统的基于直线检测的车牌倾斜校正方法对车牌边缘以及噪声较为敏感，并且不能同时检测车牌在水平和垂直方向的倾斜角度的问题，提出了一种基于低秩纹理特征的车牌倾斜校正方法。车牌图像的低秩先验信息是指对车牌图像，当车牌在图像中处于水平或垂直时，该图像对应的矩阵的秩是最小的。利用该低秩先验，采取一定的步长对车牌图像进行仿射变换，通过寻找最小秩对应的变换参数就可以获取车牌的倾斜参数，进而对车牌进行倾斜校正。实验结果表明，该方法能够准确快速地对车牌进行水平和垂直方向的倾斜校正，对车牌边缘、光照、噪声和分辨率等不敏感，具有一定的实用性。

简介：传统基于Gabor滤波器的SAR目标识别方法根据图像全局特征进行目标识别,忽略图像局部纹理特征,容易受到噪声因素的干扰,获取的SAR目标识别结果精确度较低。因此,提出基于图像局部纹理特征的SAR目标识别算法,对SAR图像纹理特征进行提取,提取SAR图像纹理特征时,采用优化的TPLBP特征描述器提取图像局部纹理特征,获取TPLBP局部纹理特征向量;通过基于ELM分类器的SAR目标识别算法,对TPLBP局部纹理特征向量进行SAR目标分类与识别,获取理想的SAR目标识别结果。实验结果表明,所提方法在SAR目标识别方面具有准确率高、误判率低的优势。

简介：

简介：摘要：为了很好地解决数据量庞大，或者需要花费额外的时间对网格进行简化，以及无法生成准三维特征结构和较为复杂的空间结构的问题。本文研究的通过特征阵列生成表面3D纹理的方法可以生成复杂空间结构的表面3D纹理，并且处理速度快，生成的模型数据量小。

简介：重点论述了如何运用纹理谱的方法时遥感图像进行纹理分析。通过对不同地物图像进行试验，借助计算机语言实现了各类地物图像的纹理谱特征图的计算显示，并对其进行分析比对，最终达到区分识别各类地物的目的。

简介：本文用主分量分析法分析了金属断口图像纹理的14个灰度共生矩阵特征参数，从中提取了4个综合参数。结果表明采用主分量分析提取的综合参数不仅能减少数据量。而且获得了较高的分类精度。