第10图像特征提取(第二版)解析.ppt

10.3.1　图像纹理的概念和分类 2、图像纹理的分类 从图像的纹理模式角度分类： ◆粗纹理：纹理细粒间具有较大的重复模式。 ◆细纹理：纹理细粒间具有较小的重复模式。 细纹理 粗纹理 一些纹理示例： 10.3.1　图像纹理的概念和分类 beeren flower food water 彩色纹理图像 10.3.1　图像纹理的概念和分类 包含多个纹理区域的图象 10.3.1　图像纹理的概念和分类 10.3.2　图像纹理的主要特性及描述与提取方法 1、图像纹理的主要特性 对纹理的特征可定性地用以下一种或几种描述来表征: 粗糙的、细致的、平滑的、颗粒状的、划线状的、波纹状的、随机的、不规则的，等等。 纹理是一种有组织的区域现象，其基本特征是移不变性，也即对纹理的视觉感知基本与其在图像中的位置无关。这种移不变性可能是确定性的，也可能是随机的，但也可能存在着介于这两者之间的类别。 10.3.2　图像纹理的主要特性及描述与提取方法 1、图像纹理的主要特性 （1）粗糙度。纹理基元是具有局部灰度特征和结构特征的。纹理的粗糙度与纹理基元的结构及尺寸，以及纹理基元的空间重复周期有关。纹理基元的尺寸大则意味着纹理粗糙，其尺寸小则意味着纹理细致；纹理基元的空间周期长意味着纹理粗糙，周期短则意味着纹理细致。如同在同样观察条件下毛织品要比丝织品粗糙一样。粗糙度是最基本、最重要的纹理特征。从狭义的观点来看，纹理就是粗糙度。 10.3.2　图像纹理的主要特性及描述与提取方法 1、图像纹理的主要特性 （2）方向性。某个像素点的方向性是指该像素点所在的邻域所具有的方向性。所以，纹理的方向是一个区域上的概念，是在一个大的邻域内呈现出的纹理的方向特性。比如，斜纹织物具有的明显的方向性，就是从一个大的邻域内的统计特性角度表现出的纹理特征的方向性。根据纹理自身的方向性，纹理可分为各向同性纹理和各向异性纹理。 10.3.2　图像纹理的主要特性及描述与提取方法 1、图像纹理的主要特性 （2）方向性。 10.3.2　图像纹理的主要特性及描述与提取方法 1、图像纹理的主要特性 （3）规则性。纹理的规则性是指纹理基元是否按照某种规则（规律）有序的排列。如果纹理图像（或图像区域）是由某种纹理基元按某种确定的规律排列而形成，则称为规则性纹理；如果纹理图像（或图像区域）是由某种纹理基元随机性的排列而形成，则称为非规则性纹理。 10.3.2　图像纹理的主要特性及描述与提取方法 1、图像纹理的主要特性 （3）规则性。 2、图像纹理特征描述与提取方法 （1）统计分析法 统计分析法又称为基于统计纹理特征的检测方法，主要包括灰度直方图法、灰度共生矩阵法、灰度行程长度法、灰度差分统计、交叉对角矩阵、自相关函数法等。 根据小区域纹理特征的统计分布情况，通过计算像素的局部特征分析纹理的灰度级的空间分布。统计分析法对木纹、沙地、草地这种完全无法判断结构要素和规则的图像的分析很有效。 该类方法的优势是方法简单、易于实现，尤其是灰度共生矩阵法是公认的有效方法。 10.3.2　图像纹理的主要特性及描述与提取方法 2、图像纹理特征描述与提取方法 （2）结构分析法 结构分析方法认为纹理基元几乎具有规范的关系，因而假设纹理图像的基元可以分离出来, 并以基元的特征和排列规则进行纹理分割。 该方法根据图像纹理小区域内的特点和它们之间的空间排列关系，以及偏心度、面积、方向、矩、延伸度、欧拉数、幅度周长等特征分析图像的纹理基元的形状和排列分布特点，目的是获取结构特征和描述排列的规则。结构分析法主要应用于已知基元的情况，对纤维、砖墙这种结构要素和规则都比较明确的图像分析比较有效。 10.3.2　图像纹理的主要特性及描述与提取方法 2、图像纹理特征描述与提取方法 （3）模型分析法 模型分析方法根据每个像素和其邻域像素存在的某种相互关系及平均亮度为图像中各个像素点建立模型，然后由不同的模型提取不同的特征量，也即进行参数估计。 典型的模型分析法有自回归方法、马尔可夫随机场方法和分形方法等。本方法的研究目前进展比较缓慢。 10.3.2　图像纹理的主要特性及描述与提取方法 2、图像纹理特征描述与提取方法 （4）频谱分析法 频谱分析方法又称为信号处理法和滤波方法。该方法是将纹理图像从空间域变换到频率域，然后通过计算峰值处的面积、峰值与原点的距离平方、峰值处的相位、两个峰值间的相角差等，来获得在空间域不易获得的纹理特征，如周期、功