资源描述：
《基于纹理分析的图像形貌特征提取_李素日方》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、纹理分析各种方法的优缺点纹理是自然图像中一个普遍存在的基本特征,纹理分析就是研究不同纹理的特点,寻找刻画纹理的本质特征。纹理感知在人类视觉活动中起着重要作用,虽然视觉系统能够很方便地进行纹理识别,但是却很难对纹理给出一个精确定义。一般认为,图像纹理具有粗细度、对比度、方向性、线性性、规则性、粗糙度、凸凹性等特性,但这些都是对图像纹理概括性的描述,并没有把纹理的本质体现出来。根据纹理的基本特征,目前已出现了许多纹理分析方法。Haralick曾作了较为全面的总结[1],基本上M.可归纳为统计法、结构法、模型法和空间/频率域联合分析法等4类,它们有着各自不同的特点。(1)统计法。基于统计的方法
2、是纹理分析中最基本的一类方法,考虑的是纹理中灰度级的空间分布,典型的有灰度共生矩阵法、Laws纹理能量法等。这类方法的优点是原理简单易懂,容易实现,但在多纹理分类中,难以取得理想的结果。因为灰度的起伏变化除与纹理结构的变化有关外,还与照明条件等多种因素有关,这影响了统计结果的有效性。(2)结构法。基于结构的方法也称几何法,出发点是纹理由纹理基元组成的定义,研究重点在于纹理基元之间的相互关系和排列规则,主要适用于非常规则的纹理,对于分析自然纹理图像则很难取得满意的效果。由于具有形貌特征的图像大都不符合前述定义,故不适合用结构法进行分析。(3)模型法。基于模型的方法假设纹理按某种收稿日期:2
3、004-03-18基金项目:山东省优秀中青年科学家科研奖励基金资助项目(01BS01)作者简介:李素日(1980-),女,河南信阳人,济南大学信息科方学与工程学院硕士生。 南大学学报(自然科学版) 18卷济第218模型分布,模型可以表示纹理元之间的关系,模型参数则表达了纹理元的特性,因此通过估计模型的参数可以把握纹理的重要性状,进行纹理分析。模型法主要有随机场方法和分形法,常见的随机场模型有高斯-马尔科夫、ibbs模型等,随机场方法的缺G点是参数难以估计,计算量大,且自然纹理很难用单一的模型表达。分形维数给出
4、了粗糙度的一种度量,许多自然图像的粗糙度具有一些统计性质,在不同的尺度上具有自相似性,分形对于这些性质的建模非常有用,但分形维数的计算一般是采用一个理论模型,而实际的纹理图像并不完全符合,另外不同的纹理图像可能具有相近的分形维数,使进一步的处理复杂化。(4)空间/频率域联合分析法。近年来的生物视觉实验表明,空间-频率域多尺度多通道纹理分析方法是与人类视觉过程相一致的,因此引起了广泛注意。空间/频率域联合分析法主要包括Gabor变换法和小波变换法等,利用在空间域和频率域同时取得较好局部化特性的滤波器对纹理图像进行滤波,从而获得较为理想的纹理特征。在分析自然纹理图像中能取得一定的效果,但基于
5、多通道滤波的分析方法,常采用区域平均特征如区域能量、区域方差等,正如S.Mallat指出的[2],这类特征都是特殊的、非本质的,因为区域平均过程导致了纹理结构信息的损失,通常不能反映纹理的本质特征。且单通道能量、方差信息不能有效描述纹理特征,需要多个滤波通道,这就增加了分类特征的维数。在高维特征空间中,各模式特征间的分布关系比较复杂,不利于获得理想的分类结果。总之,目前尚没有公认的纹理定义,也没有较为通用的纹理分析方法,大多还只适用于一部分特定的图像。的研究和创新也主要集中于特征提取部分,其中纹理分析是研究得最多也讨论得最深入的一类方法。由于纹理分析各种方法都存在一些问题,故近年来呈现了
6、相互渗透的趋势。由于单独使用结构法进行分析的论文很少,因此本文中将纹理分析在形貌特征提取中的应用分为4类:统计法、模型法、信号处理法和结合法。(1)统计法。常见的统计法思想是考虑图像的局部灰度分布信息,刻划不同纹理的差异[3-6]。文献[7]提出了纹理元灰度模式的概念,根据纹理元灰度模式分布直方图,定义了若干反映其模式分布的特征,如方差、熵等,利用它们作为纹理特征对纹理图像进行分类和分割。实验表明比传统方法能取得更好的效果,并有很强的实用性。文献[8]给出了一种基于纹理主矢量集的纹理表示及分析方法,该方法是在多维纹理谱的基础上得到多维主矢量集合及相应的能量集合,以其作为纹理特征,对自然景
7、物图像的识别分类效果较好。多数场合的纹理图像尺寸较大,传统的灰度共生矩阵法会导致矩阵维数过大、运算复杂等问题,一[9,10]些学者提出了改进方法。文献[11]提出一种矢量量化技术,从而生成原始图像的符号图像,再构造共生矩阵,选用矩阵的统计特征,实现对纹理图像的快速匹配。对于尺寸较大,信息冗余度也较大的图像,该方法具有较好的适用性。图像数据不是纯随机变量,它具有明显的结构特征。现有的许多方法没有充分考虑图像数据的随机性和空间相关性,因
