第十二讲模式识别中的特征提取讲解材料.pptVIP

纹理特征分析和描述及基于GABOR小波的纹理特征提取;应用领域: ;一、纹理特征提取与分析； 二、如何用GABOR小波来提取图象目标的纹理特征；; 一 、特征提取与分析;自然纹理图象;分析方法 ;澳大利亚悉尼 IKONOS 1米分辨率 ;非洲开普敦港湾 IKONOS 4米分辨率 ;;2 纹理的描述和分析方法; 可以从两个方面描述纹理： 第一个方面用于描述组成纹理的基元； 第二个方面用于描述纹理基元之间的空间联系或相互影响。 第一个方面与纹理区域中的影调基本分布情况（称为影调基元）或局部特性有关。第二个方面与影调基元的空间组织有关。 ; 纹理可用纹理基元的数量和类型以及这些基元的空间组织或排列来描述。纹理的空间组织可能是随机的，也可能一个基元对相邻基元有成对的依赖关系，或者几个基元同时相互关联。这样的关联可能是结构的、概率的或是函数的。纹理分析的方法可用示意图表示。 ;3 纹理基元与影调;影调—纹理概念内部的基本关系如下所述： ;4 纹理研究的领域;5 人类视觉系统的纹理分割模型; 人们可用来描述纹理的性质有，均匀性（Uniformity）、密度（density）、粗细度（Coarseness）、粗糙度（roughness）、规律性（regularity）、线性度（linearity）、定向性（directionality）、方向性（direction）、频率（frequency）和相位（phase）。这些性质的理想化如图所示。显然，这些性质是相互联系的。; 人们用来描述纹理最常用的词藻是粗的或细的。什么是粗的纹理、什么是细的纹理目前还无精确的定义。粗略地讲，我们通过观察组成图案的纹理基元，如果这些基元的尺寸较大，或有许多重复的基元，则给人总的印象是粗的。已有人提出了检测纹理粗、细程度的多通道模型。做法是在一个小区域里检查一组不同频率通道的输出，选择其中响应最强的通道。空间频率最低的通道被认为表示是粗的纹理，那么高空间频率通道就被认为表示细的纹理。由于通道的响应大小不但由基元的大小，而且由分布规律所决定。所以还需要在一个领域里作出每个通道响应的直方图曲线，通过分析这些曲线的特性就能。确定纹理的粗细 ; 描述纹理的第二个特性是边缘元素的方向，或斜率。心理物理学的实验研究表明这个特性非常重要。图a中的实验表明了基元斜率对区别纹理的强烈影响。正放的和倾斜的T形之间很容易区分。L形和正放的T形之间在形状上很不同，但似乎可以聚集成一个区域。图b中证明了相似的效应。图中包括猫、旋转的猫和猫的镜象。当要求被试验者确定图象中的边界时，最常发生的是选择右边的边界。虽然从单个来看，中间的猫与右面猫的镜象比与左面旋转的猫相比更相似些。 ; 第三个被研究的重要特性是图象的对比度。对比度可以根据图象的灰度分布求得。在人类视觉的纹理感知中粗细度和方向性的作用已得到实验的有力支持。对比度在其中的作用得到某些实验结果的支持，但它占的重要性还未完全清楚。通常认为图象灰度直方图的形状不应影响对纹理的感知，而灰度直方图又是与图象的对比度有关。因此这个问题还有待进一步研究。 ;A 窗口直方图法;通过对灰度取阈值后得到的图像，各个区域可以分离开，但要将目标提取出来，还需要将各区域识别标记。;通过对图像不同区域和特征直方图的统计，对图像灰度直方图进行修改，从而是灰度直方图呈现更明显的分界。;B、边缘直方图法;C、图象灰度梯度方向距阵;D、纹理分析的自相关函数法; ;E、纹理的灰度分布统计特征分析;;;;;例子：计算4×4大小，灰度级为4的图象 图象： 计算d=1，θ为0度与90度的共生矩阵。 ， ;; ;;;;;;;;;;;;;;;;从数学上定义小波：若 是一个可测的、平方可 积的函数，即具有有限能量， ，（这里 为 的矢量空间，R为实数集），若其傅立叶变换 满足 则称 为一个基本小波或小波母函数，并称上式是小波函数的可容许性条件。 ;;2) 小波变换 小波变换实际是信号 以小波（或称基本函数，小波母函数）作基的函数变换，正像Fourier变换是以e指数函数作基的连续函数变换。若 是一个可测的、平方可积的函数，即具有有限能量， ， 为