张逵，朱大奇

(上海海事大学信息工程学院，上海 201306)

0 引言

纹理特征是物体表面共有的内在特性，是一种不依赖于颜色或亮度而反映图像中同质现象的视觉特征.纹理特征包含物体表面结构排列的重要信息以及它们与周围坏境的联系，因此在图像识别和图像分类中得到广泛应用.［1－2］

纹理分析的首要任务是提取反映图像纹理属性的数量特征.［3］纹理分析总体上可分为统计法、结构法和模型法.统计法以图像中灰度值空间分布的统计量作为纹理特征，它是目前使用最多的一种方法，如:早期的灰度共生矩阵方法［4］，近期的灰度－相位共生矩阵方法［5］、灰度－梯度共生矩阵方法［6］.对于图像识别和分类来说，单独利用灰度－相位共生矩阵法或灰度－梯度共生矩阵法提取图像纹理，对图像进行识别虽然较简单、方便，但识别准确率较低，不确定性较大，因为图像的纹理特征不仅包括灰度特性，还包括结构特性以及边缘特性.灰度－相位共生矩阵法仅包括纹理的灰度和结构特性，而灰度－梯度共生矩阵法又只包含纹理的边缘特性，显然两者都不能很好地表现纹理特征，从而难以获得准确的纹理信息识别图像.

本文将 Dempster－Shafer(D－S)证据理论［7－9］引入图像识别中，将通过灰度－相位共生矩阵法和灰度－梯度共生矩阵法得到的纹理特征参数进行D－S信息融合，能较好地包含纹理的各种信息，利用信息融合的多维信息处理优势补充单组特征参数识别的不足，与单独……