图像纹理特征性能的评估.docVIP

图像纹理特征性能的评估，一般是通过具体的模式识别来实现的，即通过图像识别比较识别率来评估特征性能。由于纹理特征提取方法很多，所以目前为止，从搜集的资料来看，对纹理特征进行全面系统评估的工作还极为有限。由于结构法的应用和发展很受限制，所以本文将对其它三种方法进行横向和纵向比较。 纵向比较 1 统计法 Weszka[36]】等人比较了灰度共生矩阵，灰度差分统计，灰度行程长度统计法。实验结果表明灰度共生矩阵的性能最优。Carr和Miranda[【37】]比较了半方差图方法和灰度共生矩阵，得出灰度共生矩阵方法对于光学图像分类效果更好，而半方差图方法适用于雷达图像的结论。可见灰度共生矩阵在统计法中具有主导地位。由于灰度共生矩阵不受分析对象的制约，能够很好地反映图像的空间灰度分布情况，从而体现图像的纹理特征。所以得到广泛的应用。目前，很多文章在灰度共生矩阵基础上，提出了其变形方法。如洪继光【38】结合图像灰度信息及灰度变化的梯度信息，提出灰度-梯度共生矩阵法，并证明比原始的灰度共生矩阵性能更好。 2 模型法 MRF在模型法中占有统治地位。该方法内部的比较还是比较少的，由于MRF仅通过局部特征很难得到全局的联合分布，于是Gibbs随机场产生了，它可以用局部计算获得全局结果。SAR是MRF的一种应用实例。随着人们对这几种模型的应用，它们的各种变换应运而生来弥补不足，如旋转无关的自回归纹理模型(RI