[信息与通信]纹理特征

[信息与通信]纹理特征

ID:22865088

大小:878.00 KB

页数:36页

时间:2018-11-01

[信息与通信]纹理特征_第1页
[信息与通信]纹理特征_第2页
[信息与通信]纹理特征_第3页
[信息与通信]纹理特征_第4页
[信息与通信]纹理特征_第5页
资源描述:

《[信息与通信]纹理特征》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、纹理图像的特征提取算法第一章绪论1.1研究背景随着计算机技术的迅速发展以及机器视觉系统在通信、宇宙探测、遥感、生物医学等领域的应用,纹理图像分析技术越来越成为视觉领域研究的热点话题。在日常生活中,图像随处可见,我们所接受的所有信息的80%是来自视觉信息,可见图像信息在我们日常生活中的重要性。图像的特征主要包括颜色特征、纹理特征和形状特征。相比于颜色特征和形状特征,图像的纹理特征包含了图像的许多信息,通过对其分析可以得到更好的宏观和微观信息,所以在图像分析中,纹理的特征分析越来越受到人们青睐。因此,越来越多的国内外学者致力于图像纹理

2、特征提取的研究。纹理特征提取技术作为数字图像处理领域中的一种新的应用,在军事、医学和计算机科学等众多领域,都广泛地采用了这一技术。(1).无人飞行器的自主导航与定位利用存放在飞行器上的参考图像,与其在飞行过程中获得的下视或前下视、图像进行比较,从而判断无人飞行器的当前位置,确定其飞行方向和位置上的偏差。(2)遥感测量从20世纪90年代以来,随着遥感技术的提高,高分辨率的遥感影像越来越多,遥感可以在较小的空间范围内观察地表的细节变化,进行大比例尺遥感制图、提取高精度的地理信息、监测人为活动对环境的影响等。借助对遥感图像的纹理分析、提

3、取影响的纹理特征,可以推进影响解译的自动化。在遥感图像中,不同地形地貌对应着遥感图像中不同的纹理图像,平原、山地、丘陵、村庄、水域、田地等不同地貌可以通过纹理区分开来。(3)医疗辅助诊断36纹理图像的特征提取算法从严格意义上说,在引入线代医疗仪器前,医学基本上不能称为科、学。传的医疗诊断靠的是经验。事实上即使在今天中医也基本上依靠经验。这样就带来了两方面的问题,一是医生的训练无法科学化,而是诊断的结果加入了较多的人为因素。现代医疗仪器的使用在一定程度上解决了这两方面的问题,但仪器除了直接提供数据外,几乎不能进行任何自动分析工作,很

4、多仪器如X-光机、CT、B超、各种显微诊断设备等提供的都是图像,这样诊断的结论又一次依赖于读者经验。采用特征提取技术,对人体器官的医学图像进行病灶定位与分析,就能为了解器官和组织的构成与病变情况提供准确的依据,这在早期疾病诊断方面起到了非常重要的作用。(4)目标识别与自动检测目标识别是在被测图像中找到感兴趣目标。图像中的目标,由于图像拍摄的视角和光照环境不同,目标具有不同的尺寸和位置,通过训练集中提取的特征集合被测图像中的目标特征提取,可以自动辨识出感兴趣的目标物体。随着计算机和电子技术的飞速发展,机器视觉检测系统渗入了社会生产生

5、活的各个领域。在现代自动化生产过程中,基于图像纹理分析的自动检测系统在工况监视、成品检验和质量控制中有着广泛的应用;在农产品精细加工领域,基于图像处理的食品生产过程的全程质量监控改变了传统生产模式,提高了食品的安全性和产品质量;在智能交通领域,远程监控系统提高了交通运输的效率和管理的效能;在社会公共安全领域,图像分析系统成功地运用于森林火灾监控、安检等。(5)工业测量、探伤检测通过现场获取的视频,判断在输入的序列图像中是否存在工件损伤、感兴趣的特定物体以及工件是否到位。通常实现这些控制的方法也是特征提取。1.2研究现状与发展趋势1

6、.2.1研究现状36纹理图像的特征提取算法通过几十年的研究,纹理分析取得了很大的进步,并产生了许多纹理的研究方法,主要分为4大类:结构分析法、统计法、基于纹理模型方法和信号处理方法。结构分析法假设纹理是由纹理基元按某种规则排列形成的,仅适用于规则纹理。Varhees和Poggio提出了基于Log算子核在不同尺度上对纹理图像滤波,然后将尺度信息结合提取纹理基元的方法。统计法是指从区域统计的角度去分析纹理图像,纹理的统计分析可在空域和频域分别进行,主要方法是边缘直方图、自相关函数、边缘频率、灰度共生矩阵等。基于纹理模型来描述纹理。常见

7、的方法有Markov随机场、分形维和二维自回归模型。基于信号的分析方法大致包括空间滤波器、频域滤波器和Gabor滤波器和小波变换等。主要分为两个步骤:(1)利用给定的滤波器对纹理图像滤波;(2)从滤波后的图像中提取纹理特征。其中,统计法的应用最为广泛。一般而言,国外学者主要进行纹理特征提取及描述的算法研究,也包括算法的应用及改进研究;而国内学者的研究主要集中在各种算法的改进以及某一种方法的具体研究。到目前为止,已经提出了许多纹理特征提取的方法以及对它们的比较和分析。在70年代早期,Haralick等人提出的灰度共生矩阵算法,该算法

8、根据像素间的方向和距离建立灰度共生矩阵,再从这个矩阵提取有意义的统计量作为纹理特征向量,最终提取纹理的灰度级间相关性。有许多研究人员沿此路线做了进一步的研究。80年代初,KennethIvanLaws提出了Laws纹理的方法,该方法先对五个特殊的卷

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。