グレーレベルサイズゾーンマトリクス(SZM)は、Thibaultマトリクスの開始点です。テクスチャの特徴付けに使用される高度な統計マトリックスです。
N個のグレーレベルを有するテクスチャ画像fについては、で示され、画像分布値の二変量条件付き確率密度関数の推定によって統計的表現を提供する。これは、先駆的なランレングスマトリックス原理(RLM)に従って計算される。マトリックスの値は、サイズおよびグレーレベルのゾーンの数に等しい。結果の行列は、Nに等しい固定数の数、グレイレベルの数、および最大のゾーンのサイズおよびサイズの量子化によって決定される動的な列数を有する。
テクスチャが均質であればあるほど、マトリックスはより広く平らになります。 SZMは、RLMおよび共出現行列(COM)とは異なり、いくつかの方向の計算を必要としません。しかしながら、グレーレベル量子化の程度は、依然としてテクスチャ分類性能に重要な影響を及ぼすことが経験的に証明されている。一般的なアプリケーションでは、通常、トレーニングデータセットに関して最適なものを見つけるためにいくつかのグレーレベルの量子化をテストする必要があります。
N個のグレーレベルを有するテクスチャ画像fについては、で示され、画像分布値の二変量条件付き確率密度関数の推定によって統計的表現を提供する。これは、先駆的なランレングスマトリックス原理(RLM)に従って計算される。マトリックスの値は、サイズおよびグレーレベルのゾーンの数に等しい。結果の行列は、Nに等しい固定数の数、グレイレベルの数、および最大のゾーンのサイズおよびサイズの量子化によって決定される動的な列数を有する。
テクスチャが均質であればあるほど、マトリックスはより広く平らになります。 SZMは、RLMおよび共出現行列(COM)とは異なり、いくつかの方向の計算を必要としません。しかしながら、グレーレベル量子化の程度は、依然としてテクスチャ分類性能に重要な影響を及ぼすことが経験的に証明されている。一般的なアプリケーションでは、通常、トレーニングデータセットに関して最適なものを見つけるためにいくつかのグレーレベルの量子化をテストする必要があります。