里面包含了常用纹理特征提取方法（matlab）,包括：分形维数、灰度差分统计、GMRF、Gabor、LBP

包括计算共生矩阵、对共生矩阵归一化、对共生矩阵计算能量、熵、惯性矩、相关4个纹理参数、求能量、熵、惯性矩、相关的均值和标准差作为最终8维纹理特征

随着计算机视觉的发展，机器人需要从图像序列中检测目标物体以进行自主导航。 为了识别目标，自主机器人的感知系统首先需要将图像分割为不重叠但有意义的区域，这些区域基于低级特征，例如颜色，纹理度量和形状等。作为重要组成部分，Gabor小波通常用作纹理由于它是人脑V1区域中单个细胞的空间感受野的数学近似值，因此具有一些特征。 这些Gabor纹理测度的问题是特征提取过程中卷积涉及的高计算成本。 为了部分解决该问题，在本文中，我们仔细研究了用于形成纹理特征的Gabor小波的行为，发现只有一小部分滤波器对识别过程有重要贡献。 实验结果表明，通过删除冗余滤波器，可以在更短的时间内获得更好的性能。

使用 SFTA（基于分割的分形纹理分析）算法从图像中提取纹理特征。 要提取特征，请使用 sfta(I, nt) 函数，其中 I 对应于输入灰度图像，nt 是定义特征向量大小的参数。 特征以 1 by (6*nt -3) 向量的形式返回。 例子： I = imread('coins.png'); D = sfta(I, 4) SFTA算法简述： 提取算法包括将输入图像分解为一组二进制图像，从中计算结果区域的分形维数，以描述分割的纹理模式。 描述 SFTA 算法的出版物： 科斯塔，AF，GE Humpire-Mamani，AJM Traina。 2012. “纹理分形分析的有效算法”。 在 SIBGRAPI 2012（图形、图案和图像第二十五届会议）中，39-46，巴西欧鲁普雷图。 在这里，我展示了如何使用 SFTA 对纹理进行分类： http://www.alceufc.co

纹理特征提取技术，包括灰度共生矩阵，灰度梯度矩阵，用于图像的分类识别

面部欺骗检测 深度纹理特征提取及基于局部二值模式的卷积神经网络的实现

matlab常用纹理特征提取方法代码（GLCM，GLDS，LBP，GMRF，FD，Gabor） 一些常用的纹理特征提取方法汇总 都是用matlab写的，经过测试后有效。希望对大家有所帮助。

纹理是一种重要的视觉线索，是图像中普遍存在而又难以描述的特征。纹理分类与分割是图像处理领域 一个经久不衰的热点研究领域，纹理特征提取作为纹理分类与分割的首要问题．一直是人们关注的焦点，各种纹理 特征提取方法层出不穷。在广泛文献调研的基础上，回顾了纹理特征提取方法的发展历程，分析了其研究现状，对 纹理特征提取方法进行了较为全面的综述，对其进行分类和比较，最后给出了纹理研究领域的主要发展趋势。

特征提取，包括对图像的基本处理方法和一些典型的特征提取方法的描述

这是基于matlab的纹理特征提取程序！！！