基于行程长度纹理特征的焦炭显微图像分类算法

在分析焦炭显微图像各向异性光学组织中片状与纤维状显微图像特征的基础上，通过对纹理特征的差异性的研究，提出了一种基于行程长度纹理特征和支持向量机(SupportVectorMachine)的焦炭显微图像分类方法。该方法首先计算焦炭显微图像中4个方向上的行程长度矩阵，利用行程长度矩阵求得对图像纹理具有不同表征能力的纹理特征量，通过对各个特征量的数据分析，选取有效特征量组合作为分类器的训练向量，然后用支持向量机对实验样本进行分类。实验结果表明，该方法能够有效地识别出焦炭各向异性组织中纤维状、片状等不同光学组分。