数字图像处理_第九章纹理分析与处理1.pptVIP

第九章 纹理分析 提到纹理，人们自然会立刻想到木制家俱上的木纹、花布上的花纹等。木纹为天然纹理，花纹为人工纹理，它们反映了物体表面颜色和灰度的某种变化。这些变化与物体本身的属性相关。 9.3 Laws纹理能量测量法 Laws的纹理能量测量法是一种典型的一阶分析方法，在纹理分析领域中有一定影响。 Laws纹理测量的基本思想是设置两个窗口： 一个是微窗口，可为3×3、5×5或7×7，常取5×5用来测量以像元为中心的小区域的灰度的不规则性，以形成属性，称为微窗口滤波； 另一个为宏窗口，为15×15或32×32，用来在更大的窗口上求属性的一阶统计量（常为均值和标准偏差），他称之为能量变换。 整个纹理分析过程为 f(x,y)?微窗口滤波?F(x,y)?能量转换?E(x,y)?分量旋转?C(x,y)?分类?M(x,y) 9.5灰度共生矩阵分析法 9.5.1灰度共生矩阵的定义 在三维空间中,相隔某一距离的两个像素，它们具有相同的灰度级，或者具有不同的灰度级，若能找出这样两个像素的联合分布的统计形式，对于图像的纹理分析将是很有意义的。灰度共生矩阵就是从图像 (x,y)灰度为i的像素出发，统计与距离为δ=(Δx2+Δy2)1/2、灰度为j的像素同时出现的概率P(i,j,δ,θ)。如图9.5.1。用数学式表示则为 马尔柯夫随机场（Markov Random Field, MRF） 设（Q，F，P）为一概率空间，r＝[1,2,3…L]为一指标集，S＝[0,1,2,3…M]为状态空间，Xi,j∈(Q，F，P) →S是随机变量，则称其全体X＝{Xi,j, I,j ∈r}是S上的随机场。 直观意义：在已知“现在”状态下，过程的将来状态的概率与其“过去”的状态无关。 利用MRF模型进行图像的纹理分析的步骤： 1）选定模型的阶数，估计模型中的参数a, b(i,j); 2）对参数a, b(i,j)进行假设检验,进一步验证所得模型的正确性; 3）从已综合的纹理模型中抽取样本，从而得到综合纹理模型中　　　 　　的参数； 4）将纹理图像用同样的MRF表示，且具有相同的参数；根据两个纹理图像进行视觉比较，看其中是否有相同的视觉效果。 分形与分维 1.分形（Fractal）:具有自相似的、不规则的几何体（对象）。 分形的重要性质： 1）自相似性 2）比例性 分形的性质表明：分形并不是完全的混乱，其不规则中存在一定的规则性。 2.分维是分形的重要度量 不同分维类型： 1）容量维 2）盒维数（计盒维数） 3）自相似维 4）基于分形布朗函数的分形与分维 分形(Fractal)与分维（Fractal dimension）的概念 其是由法裔美国科学家曼得尔布罗特(Mandelbrot B.)在20世纪60年代中期提出的，其原义是“不规则的、分数的、支离破碎的”，用于描述那些与整体以某种方式相似的部分构成的一类形体(Mandelbrot B. B.,1967)，其是同一时期非线性科学研究中取得的重大成果。 Mandelbrot B. B.仅给出了简单的分形数学定义，即分形是其豪斯道夫维(Df)严格大于拓扑维数(Dt)的集合，分形集具有精细的结构，即在任意小的比例尺下，都可呈现出更加精致的细节(Mandelbrot B. B.,1982)。 经众多研究者的修正，英国数学家肯尼思?法尔科内(1991)给出了较为全面而恰当的分形定义： 该定义认为分形是具有下列性质的集合F： (1)F具有精细结构，即在任意小的比例尺下，都可呈现出更加精致的细节； (2)F的不规则性，使其在整体和局部均不能用传统的几何语言加以描述； (3)F具有某种自相似的形式，但不是完全数学意义上的自相似性，这可能是近似或统计意义下的自相似性； (4)一般Df＞Dt，即豪斯道夫维数(Df)严格大于拓扑维数(Dt)； (5)F常可以用极简单的方法来定义，可以由迭代法产生； 用分形理论来研究和描述自然界中一类不规则、不稳定和具有高度复杂结构的现象已收到异乎寻常的效果，地理学中的分形研究几乎同分形理论发展同步，在美国、西欧和日本迅速展开（赵锐等，1994）。分形维数是定量表征分形特征的参数，已成为研究分形现象的主要工具。 * 有些图像在局部区域内呈现不规则性，而在整体上表现出某种规律性。习惯上，把这种局部不规则而宏观有规律的特性称之为纹理；以纹理特性为主导的图像，常称为纹理图像；以纹理特性为主导特性的区域，常称为纹理区域。纹理作为一种区域特性，在图像的一定区域上才能反映或测量出来。 为了定量描述纹理，多年来人