1、“.....得到的准确率高于以往用单特征进行分类的合特征分类准确率比单特征高。特征融合存在个权重的关键点，不同的权重对准确率有不同的影响，另外分类方法也影响这特征融合的准确率。图像的不同特征都包含着不同的信息，对特征进行加权组合，伴随着信息的损失与增加。不同的特征也具有不同的侧重点。对于图，图像明暗变化突出，纹理方向也明显不同，若提高特征所占权重，并加入些与包含不同信息的特征，算子的数学表达式特征向量提取算法步骤特征向量提取确定半径与取样点数......”。

2、“.....以该像素为中心，在半径为的邻域均匀选择个点，如该点恰好落在像素，取该像素值为该点取值，否则以线性插值的方法作为该点值。将取样点分别与中心元素作比较，若大于中心元素，记为，否则为。所有取样点经过比较，会得到个位进制数，将其转为十进制数，得到究的问题。因此本文提出了种特征融合策略，即在单个特征基础上对其进行加权组合，使得融合生成的特征向量在构成上以主要特征为核心，增加新的元素，去对纹理图像进行分类。在纹理库图像上进行实验，验证策略有效性......”。

3、“.....其关注点为图像局部特征，是对图像局部区域内像素灰度值与中像库随机选择两种图像进行合并。由于各种特征关注点的局限性，虽然运用单特征进行分类，能取得较好的效果。但考虑到图像特征的多样性，能否从特征组合上提高分类的准确度是个值得研究的问题。因此本文提出了种特征融合策略，即在单个特征基础上对其进行加权组合，使得融合生成的特征向量在构成上以主要特征为核心，增加新的元素，去对纹理图像进行分类。在纹......”。

4、“.....特征效果较好，提高其权重势必也能提高其分类效果，但这也与分类方法有关。算子的数学表达式特征向量提取算法步骤特征向量提取确定半径与取样点数，对于每个像素，以该像素为中心，在半径为的邻域均匀选择个点，如该点恰好落在像素，取该像素值为该点取值，否则以线性插值的方法作为该点值。将取样点分别与中心元素作比较，若大于个特征包含图像的信息有不同的侧重点，在进行融合时，进行权重设置，分别使比例依次为和。得到的实验结果如表所示。图为各种权重比例下融合特征准确率......”。

5、“.....可以看出，在对特征设置不同权重进行融合后，些权重情况下，融合特征分类准确率比单特征高。特征融合存在个权重的关键点，不同的权重对准确率有不同的影响，另外分类方法也影多特征融合的纹理图像分类研究论文原稿像素灰度值关系的反映，将不同的局部区域直方图作为描述图像的特征。算子最早是定义在的窗口内，以窗口中心像素灰度值为阈值，将相邻的个像素的灰度值与其进行比较，若大于，则该邻点位置记为，否则为，如此以来便可产生个进制数，将其转化为十进制就是描述该局部区的值......”。

6、“.....记为，否则为，如此以来便可产生个进制数，将其转化为十进制就是描述该局部区的值。多特征融合的纹理图像分类研究论文原稿。实验图像在种基础特征上，测试集上的准确率结果见表。图直观的反应了各个特征准确率情况。由于各种特征关注点的局限性，虽然运用单特征进行分类，能取得较好的效果。但考虑到图像特征的多样性，能否从特征组合上提高分类的准确度是个值得库图像上进行实验，验证策略有效性......”。

7、“.....其关注点为图像局部特征，是对图像局部区域内像素灰度值与中心像素灰度值关系的反映，将不同的局部区域直方图作为描述图像的特征。算子最早是定义在的窗口内，以窗口中心像素灰度值为阈值，将相邻的个像素的灰度值与其进行比较，若大于，则该邻点位心元素，记为，否则为。所有取样点经过比较，会得到个位进制数，将其转为十进制数，得到值。将得到的窗口中心像素点的值赋给该中心点，作为该中心点的像素值。统计邻域灰度直方图，形成维的特征向量......”。

8、“.....部分为其他文献所采用的纹理图像库中典型纹理图像，另部分从紋理这特征融合的准确率。图像的不同特征都包含着不同的信息，对特征进行加权组合，伴随着信息的损失与增加。不同的特征也具有不同的侧重点。对于图，图像明暗变化突出，纹理方向也明显不同，若提高特征所占权重，并加入些与包含不同信息的特征，必将提高其准确率。对于图，图像成团状分布，将其在不同的频率下进行变换，得到图像能量能有较好的区分。图像在进行分类时......”。

9、“.....确率。不同特征有不同关注点，融合增加了图像的信息表达。分类器的选择同样重要，若主要特征维度较高，此时应当选择鲁棒性强的分类器，否则新向量的并入反而会降低准确率。本文只选取了种典型图像特征，数量有待增加，另外对于分类方法的组合方式，权重设置更加多样化，邻域大小的确定这也是进步研究的方向。参考文献将提高其准确率。对于图，图像成团状分布，将其在不同的频率下进行变换，得到图像能量能有较好的区分度。剩下的种图像，特征效果较好......”。