数字图像分析第6章.ppt

第三部分 图象物体的特征分析和描述 第六章 纹理分析 第七章 结构分析 第八章 景物分析 （以及图象序列分析） 第六章 纹理分析 （Texture Analysis） 某种纹理基元按不同方式的组合，总体上表现为对象表面的一种纹理特征。诸如：方向性、粒子粗细、表面粗糙或光洁、散布形式、变化快慢等。 计算机数字分析的任务是研究关于景物纹理特征的定量分析和解释并获得有效的纹理度量。 纹理分析方法 频率域 基于变换域的纹理特征分析(6.1) 离散富利叶变换（DFT）纹理分析 离散余弦变换（DCT）纹理分析 空间域 纹理能量法（6.2） 共发矩阵(6.3) 分形方法(6.4) 形态学方法 (7.4) （6.5 举例说明纹理分析在图象分类中的应用） 6.1 基于DFT和DCT的纹理特征分析 6.1.1 离散傅立叶变换（DFT）纹理分析 1、二维傅立叶变换的空间特征 2、典型图象的频谱特征 3、纹理度量 6.1.2 离散余弦变换（DCT）纹理分析 1、DCT的特点 2、纹理特征度量 6.1.1 离散傅立叶变换(DFT)纹理分析 1、二维傅立叶变换的空间特征 图象可以看成一系列基元图的加权和： 基元图（基图象）有实部与虚部，是二维周期图象, 周期的大小和方向与 u,v 的值有关。 3、纹理度量(纹理特征的定量表示) 注意要选择反映纹理的子图象（窗口）尺寸。 6.1.2 离散余弦变换(DCT)纹理分析 1、DCT的特点(与DFT的频谱特征类似) 图象若表现为方向性的条纹，那么其频谱在垂直其条纹的方向一般会有较大的值。 杂乱分布的图象，其频谱除基频附近外，很少在某一方向出现强峰。 变化缓慢的图象，频谱分量中高频分量很小或为零。 变化频繁的图象，频谱中高频分量相对较大。 2、纹理度量 纹理能量度量ENERGY 方向性度量DIR 粗细度度量FIN 方向分散度度量 频率分散度度量 纹理的空间域分析方法 纹理能量法 (6.2 ) 共发矩阵 (6.3 ) 分形方法 (6.4 ) 形态学方法 (7.4) 6.2 纹理能量法 6.2.1 单位面积灰度变化总量 和图象的自相关函数 6.2.2 纹理的匹配滤波法 6.2.3 图象灰度梯度方向矩阵 6.2.1 单位面积灰度变化总量 和图象的自相关函数 1、单位面积灰度变化总量 单位面积内各种纹理能量的总和。 它用某一个子图象区域内灰度的方差来表征。 2、图象的自相关函数 自相关函数 随 的大小而变化，与图象中纹理粗细的变化有着对应的关系。 数字距离为零时，图象的自相关函数达到最大值。纹理较粗的图自相关函数随着距离的增加而下降的速度比较慢；反之下降的速度比较快。 纹理图象自相关函数会呈现某种周期性变化，这种周期性可以反映纹理基元的排列规则，如稀疏、稠密程度。 通过的每一点对自相关函数求梯度大小、方向可以得到自相关函数变化的快慢和方向。 6.2.2 纹理的匹配滤波法 匹配滤波器采用窗口卷积来进行 通常先确定最基本的一维窗口 由一维窗口延伸卷积后获得二维的窗口 再旋转获得不同角度的二维匹配滤波窗口 6.2.3 图象灰度梯度方向矩阵灰度梯度方向矩阵统计某区域中灰度在空间域变化的方向，将其作为一种纹理度量 4×4＝16个象素为一矩阵。对于四个元素A、B、C、D组成的小单元，计算每一个小单元的梯度，确定其方向 然后计算九个单元组成的矩阵中所有不同梯度方向的数目，作为该矩阵对应子图象的特征量 6.3 共发矩阵(共生矩阵）GLCM(Gray Level Co-ocurrence Matrices) 共发矩阵方法用条件概率来反映纹理，是相邻象素的灰度相关性的表现。 考察一对对象素出现的频度，以此构造一种矩阵作为纹理的定量描述。 1、共发矩阵的构成 2、共发矩阵能反映纹理特征的定性说明 如果对角线上的元素值很大，说明该方向有相距为d的相同灰度的象素对，如d=1时，则表明有两两灰度相同的象素对，该方向变化不会很快。 如果对角线上的元素全部为0，这表明在该方向没有相距为d的相同灰度的象素对，说明该方向有灰度变化，可能存在变化频繁的纹理。 3、共发矩阵纹理特征常用度量 熵度量 角二阶矩 对比度度量 通常还将其规一化到0－1。 求和在整个窗口内进行。 6.4 分形方法 分形 分形维 分形布朗运动 分形图例 分形图形的特点 1、有自相似性 2、具有精细结构 3、其精细结构相当复杂 而构成规律十分简单 4、难以用传统数学语言描述 5、其局部几何特征很难研究 特征长度 具有特征长度的图形，一般是平滑的或是近似平滑的。 不具特征长度的图形 ，有