第6章 纹理描述与识别

《第6章 纹理描述与识别》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、第6章纹理描述与识别　8.1轮廓基本参数及测量　8.2区域基本参数及测量　8.3区域形状参数及测量　8.4区域纹理参数及测量　8.5轮廓矩和区域矩　8.6特征测量的精确度　参考文献 纹理是图像的重要视觉特征，是物体表面颜色或亮度规律性分布或变化的重要性质。有关纹理的概念在人们心理中自然形成，但很难用确切的语言或文字描述，因而在自然语言中有较少的纹理描述词。目前对纹理虽然没有准确的定义，但数学上的描述已有一些有效的方法，如Tamura参数、亮度共生矩阵、随机场模型、小波变换等。这些方法试图利用统计、变换、识别等方法，描述纹理的空间、频域和结构性质，因此，纹理的描述方法

2、可分为统计法、频谱法和结构法。纹理识别就是利用各种纹理描述参数识别纹理结构或纹理性质。6.1图像纹理的描述方法6.1.1Tamura纹理特征提取基于人类对纹理的视觉感知心理学研究，Tamura等人提出了纹理特征的6个特征参数：粗糙度(coarseness)、对比度(contrast)、方向度(directionality)、线像度(linelikeness)、规整度(regularity)和粗略度(roughness)。其中，前三项用的最多，定义如下：1．粗糙度粗糙度指图像纹理变化的粒度。当图像的纹理变化间隔较大时，图像给人的感觉比较粗糙；当图像的纹理变化间隔很小时

3、，图像给人的感觉比较细腻，也就是粗糙度较小。粗糙度与图像的分辨率有关，分辨率大，纹理元尺度大，重复次数少，则图像比较粗糙。粗糙度是纹理最本质的特性，计算方法可以按以下几个步骤进行。（1）计算图像中每个像素在2k*2k邻域内的平均亮度，即：其中k=0,1,2,…,5，g(i,j)是图像中(i,j)点的像素亮度值。（2）对于每个像素，在水平和垂直方向上分别计算不同尺度的互不重叠的窗口之间的平均亮度差，即：找出使或最大的k值，记为。（3）计算整幅图像中的平均值，作为图像的粗糙度，即：（5-1）2．对比度对比度指图像中像素亮度的分布情况，可以表示图像中局部的亮度变化，也可以

4、表示图像整体感知的亮度变化。一般来说，图像的对比度与图像亮度的动态范围及图像中边沿的尖锐程度都有关。定义为：（5-2）其中μ4是亮度直方图的四次中心矩，δ是方差。3．方向度方向度指图像中颜色或亮度变化的方向性，与纹理元的形状及其排列规则有关。方向度可以根据图像边沿的方向性计算，方法如下：（1）计算每个像素处的梯度向量。该向量的模和方向角分别定义为：其中△H和△V分别代表图像像素在水平和垂直方向的亮度变化量。（2）对梯度幅度大于一定阈值的方向角做直方图H（k），即：k=0,1,…,N-1其中，为满足下列两个条件的像素个数：π≤θ＜π和

5、△G

6、≥T(T为梯度幅度的阈值)

7、。本文N取6，T取0.4。（3）计算直方图的离散性。本文用直方图的相对离散性表示图像的方向性，即：（5-3）其中是方向角的均方差，是方向角均匀分布时的最大均方差。6.1.2亮度共生矩阵Haralick于1973年提出的亮度共生矩阵方法是一个重要而有效的像素亮度相关性描述方法。亮度共生矩阵P定义为：（5-4）式中等号右边的分子表示满足条件的像素个数，分母为像素对的总个数(#代表数量)，d为位移距离，θ为位移角度。下两组图分别给出原始图像及其共生矩阵图。由于左组图像中的亮度沿水平方向和垂直方向均有较高频率的变化，所以其共生矩阵图中大部分项均不为零。右组图中的亮度在较大范

8、围内变化缓慢，所以其共生矩阵图中仅有主对角线上的元素取较大的值。 亮度共生矩阵反映了像素亮度相对位置的空间信息。基于亮度共生矩阵P可定义和计算几个常用的纹理描述符，如纹理的二阶矩WM、熵WE、对比度WC和均匀度WH。（5-5）（5-6）（5-7）（5-8）其中，WM反映了图像亮度的均匀性或平滑性，WE反映了图像亮度的随机性，WC是亮度共生矩阵中元素亮度值差的一阶矩，WH在一定程度上可看作是Wc的倒数。利用亮度共生矩阵可以描述细纹理的特性，但对粗纹理，确定d、θ值很困难，因而不适合粗纹理的表示和识别。6.1.3利用小波变换提取纹理特征纹理的一个重要特性就是尺度性，采用

9、不同的尺度可以发现不同的纹理结构。心理视觉理论指出，人类视觉系统处理图像的过程是一个多尺度方式，视觉皮层分布着的各种独立细胞对应不同的频率和方向。人类这种对纹理理解的多尺度性，提示研究人员对纹理解析的多分辨率方法。Gabor变换，小波变换、子带滤波等正是利用多尺度方式进行信号分析的，因此很适合图像的纹理分析。小波包分析（WaveletPacketAnalysis）能够为信号提供一种更加精细的分析方法，它将频带进行多层次划分，对多分辨率分析没有细分的高频部分进一步分解，并能够根据被分析信号的特征，自适应地选择相应频带，使之与信号频谱相匹配，从而提高了时-频分辨率。