图像采集与处理-C12-R.pdfVIP

图像采集与处理 视觉特征的提取与表达(5) 纹理特征与小波变换 2012-11-8 纹理特征提取与表达 纹理特征的概念 统计纹理描述 旋转不变的纹理描述 小波变换 基于小波变换的多尺度纹理描述 中心对称的自相关纹理描述 中心对称的自相关(Center-symmetric auto- correlation)纹理描述：它是具有旋转不变 性的纹理描述。该描述包含4个部分。 计算方法： 1. 考虑每个像素的3 ×3邻域，将该邻域内 的8个相邻像素分为围绕中心对称的2组。 2. 计算SCOV (symmetric covariance) SCOV是计算每个像素邻域内2组对称像素之间的相关性，它 表征了邻域内纹理的方差信息。 1 4 ( , ) ′ x : 像素灰度值 SCOV x y ( )(−x μ )x μ − 0 0 ∑ i i 4 i 1 : 3μ3 × 区域内的灰度均值 中心对称的自相关纹理描述 计算方法： 3. 计算SAC (symmetric auto-correlation) SAC测量是SCOV的归一化版本，它表征了 每个像素邻域内像素之间的自相关性。 SCOV x y( , 0 ) 0 SAC x ( y , 0 ) 0 2 :σ3 2 3 × 区域内的灰度方差 σ SCOV和SAC测量直接使用灰度值，因此容易受光照变化和噪 声的影响。 用统计值可以代替灰度值来做计算，即将邻域内的像素灰度 值进行排序，用排序来代替灰度值进行计算。 中心对称的自相关纹理描述 4. 计算SRAC (symmetric rank-order auto-correlation)：是SAC测量的基于统 计排序的计算版本。 ⎧4 ′2 ⎫ 12 ( ) r r T − + i i⎨∑ x ⎬ ⎩i 1 ⎭ ( , ) 1 SRAC x y 0 0 − 3 m m − l r : 像素的灰度排序 1 3 i T t t −( ∑) t :具有相同排序r 的像素个数 x 12 i i i