灰度共生举证可以用来提取图像的纹理特征例如均值、标准差吗？特征提取一般选择用什么算法？支持向量机和利用灰度共生矩阵提取出来的图像纹理特征如何建立分类识别模型，请给出具体步骤。

是的，灰度共生矩阵可以用来提取图像的纹理特征，例如均值、标准差等。

在图像处理中，常用的特征提取算法有灰度共生矩阵、小波变换、Gabor滤波器等。其中，灰度共生矩阵是一种常用的方法，因为它可以提取出图像的纹理信息，而且计算简单、有效。

支持向量机是一种常用的分类算法，它可以利用灰度共生矩阵提取出来的图像纹理特征进行分类。具体步骤如下：

1. 首先，使用灰度共生矩阵提取出图像的纹理特征，例如对比度、能量、熵等。

2. 然后，将提取出的特征作为支持向量机的输入向量，将图像进行分类。

3. 对于分类模型的建立，可以采用以下步骤：

a. 收集一定数量的图像数据，包括需要分类的不同类别的图像。

b. 对每个图像进行灰度共生矩阵特征提取，并将提取出的特征作为输入向量。

c. 将数据分为训练集和测试集，分别用于训练和测试分类模型。

d. 采用支持向量机算法对数据进行分类，并利用测试集评估分类模型的准确率。

e. 对模型进行优化，例如调整支持向量机的参数等，提高分类模型的准确率。

通过以上步骤，就可以利用灰度共生矩阵特征提取和支持向量机算法建立一个可以识别纹理特征的分类模型。