基于灰度共生矩阵求的彩色图像的纹理特征，计算求的一些纹理信息。

可用于计算图像的zernike矩，从而实现图像的特征提取

一种云计算环境下海量数据安全特征提取算法.pdf

基于FPGA的遥感图像纹理特征提取算法实现技术.pdf

图像特征提取与语义分析是通过提取图像底层视觉特征，然后利用图像分析技术实现图像内容的语义描述、分类和理解。 其核心是确定图像底层特征与高层语义之间的映射关系，这正是计算机视觉领域当前研究的热点与难点。 本书从基本概念入手，系统地介绍了图像分析的基本理论与方法，涉及数字图像处理的基础知识、特征提取与图像表示、图像分割与目标识别、场景理解等相关问题。 并在书中加入了应用实例以及实验结果图片，突出了理论和实践相结合的特点。 全书深入浅出、图文并茂、文字描述简单易懂。本书可作为高等学校计算机专业和其他信息类专业研究生和高年级本科的参考书目，也可供从事计算机视觉等相关领域研究的科研技术人员阅读参考。 作 者：赵捷 出 版 社：重庆大学出版社 出版时间：2015-06-01

对用户感兴趣的目标提取特征、建立模型，进而得到各个目标在每一帧中的位置，为目标识别和分类、行为理解和分析等应用奠定基础。

Feature Engineering for Machine Learning

该程序用于求解数字图像处理的灰度共生矩阵的纹理特征值，如熵、对比度，同质性、能量等。只需要将该m文件放在Matlab的安装目录：toolbox/images/images文件夹里，按照参数设定，直接调用即可。

针对现有煤矿安全隐患信息采集系统语义特征提取效率不高、数据采集智能化程度低等问题，提出了一种基于改进循环神经网络(RNN)的煤矿安全隐患信息关键语义智能提取系统。该系统利用循环神经网络记忆过往认知的特点，构建基于RNN的煤矿安全隐患信息关键语义智能采集模型，以逗号为界限进行语句分割，逐句提取关键语义特征，积累过往提取特征的记忆，最终获取安全隐患特征关键词。实验结果表明：该系统具有高精准度特征提取，语义映射命中率高等特性，实现了煤矿安全隐患关键信息智能采集，提高了日常安全生产隐患排查效率，减少了煤矿安全事故的发生。

为解决手工选煤、湿法选煤中存在的效率低下、劳动强度大、水资源耗费、环境污染等诸多问题。研究了基于机器视觉的煤矸识别方法，在实验室中搭建了试验平台，开发了MFC软件应用平台，实现了煤矸实时识别；选取山西西山、内蒙古和陕西神木的煤和矸石作为样本，建立了样本图像库；取420张图像作为实验样本，提取样本的灰度均值、峰值灰度、能量、熵、对比度、逆差矩6个特征进行统计和分析；采用粒子群优化算法(PSO)对支持向量机(SVM)的进行优化，并对分类器进行训练和分类测试。对特征分析的结果表明，灰度特征比为纹理特征具有更好的区分度；PSO-SVM分类器测试中，以灰度、纹理、组合特征作为输入时，其识别准确率分别为95.83%、72.92%、93.75%，结果表明以灰度特征作为输入识别效果最好。