共生矩阵的matlab代码-Texture-Segmentation:基于判别特征选择和多分辨率分类的体积纹理分割

共生矩阵的matlab代码纹理分割 纹理分割：传统方法与深度学习方法之间的客观比较 测试数据，Matlab代码和数据集以及用户手册 该论文已在《应用科学》上发表。 如果您觉得有用，请相应引用。 抽象的 本文比较了用于纹理分割的一系列传统和深度学习方法。 Randen和Husoy首次发表的六种著名的纹理合成用于比较传统分割技术（共现，过滤，局部二进制模式，分水岭，多分辨率子带过滤）与基于U-Net的深度学习方法的比较建筑学。 对于后者，研究了网络深度，时期数和不同的优化算法的影响。 总体而言，深度学习方法提供了最好的结果。 但是，最好的结果分布在参数中，许多配置提供的结果远低于传统技术。 重要的 数据和程序：一切都在格式中。 简短教程 清除所有数据并关闭所有窗口 clear all close all 用Randen的论文中的数据加载矩阵 load randenData whos Name Size Bytes Class Attributes dataRanden 1x9 9438192 cell maskRanden 1x9 9438192 cell trainRanden 1x9