影像纹理分析教学课件.ppt

影像纹理分析 Page ? * 目录 1、灰度共生矩阵分析法 2、行程长度统计法 3、傅立叶频谱分析法 4、马尔柯夫随机场分析法 Page ? * 灰度共生矩阵分析法 1、灰度共生矩阵 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、灰度为j的像素（x+?x,y+?y）同时出现的概率P（i，j,δ，θ）。数学表达式如下： 式中：i，j=0，1，…，L-1；x，y是图像中的像素坐标；L为图像灰度级数；Nx，Ny分别为图像的行列数。 根据上述定义，所构成的灰度共生矩阵的第i行、第j列元素，表示图像上所有在θ方向、相隔为δ，一个灰度为i值，另一个灰度为j值得像素点对出现的频率。这里θ为按顺时针方向x轴与两像素线的夹角，取值一般为0°，45°，90°，135°。 式9.5.1 Page ? * 灰度共生矩阵分析法 Page ? * 灰度共生矩阵分析法 2、灰度共生矩阵特征的提取 灰度共生矩阵反映了图像灰度关于方向、相邻间隔、变化幅度的综合信息，它可以作为分析图像基元和排列结构的信息。作为纹理分析的特征量，往往不是直接应用计算的灰度共生矩阵，而是在灰度共生矩阵的基础上在提取纹理特征量，称为二次统计量。 一幅图像的灰度级数一般是256级，级数太多会导致计算灰度共生矩阵大，计算量大。为了解决这一问题，在求灰度共生矩阵之前，灰度图像级常压缩为16级。 在利用灰度共生矩阵提取特征之前，要做归一化处理。令 这里R是归一化常数。 Page ? * 灰度共生矩阵分析法 典型特征： 1、二阶矩（能量）：反映了图像灰度分布均匀程度和纹理粗细度。因为它是灰度共生矩阵的平方和，又称为能量。f1大时纹理粗，能量大；反之，f1小时纹理细，能量小 2、对比度（惯性矩）：图像的对比度可以理解为图像的清晰度。纹理的沟纹深，f2大，效果清晰；反之，f2小，则沟纹浅，效果模糊。 n=Ιi-jΙ Page ? * 灰度共生矩阵分析法 3、相关：相关用来衡量灰度共生矩阵元素在行或列方向上的相似程度。例如水平方向纹理，在θ=0°方向上的f3大于其他方向上的f3。 灰度共生矩阵分析法 4、熵：它反映图像中纹理的复杂程度或非均匀度。若纹理复杂，熵具有较大值；反之，若图像中灰度均匀，共生矩阵中元素大小差异大，熵较小。 5、逆差矩：也称局部平稳性。它是图像局部灰度均匀性的度量。如果图像局部灰度均匀，逆差矩的取值较大。 Page ? * 灰度共生矩阵分析法 3、灰度—梯度共生矩阵分析法 图像的灰度直方图是图像中灰度分布的基本统计量。图像的梯度信息的获得是通过使用一种微分算子，检出图像中灰度跳变的部分。，因而产生了用灰度和梯度的综合信息提取图像纹理特征的方法。 若有一幅图像Nx×Ny的图像f（x，y），x=0,1，…Lx-1，y=0,1，…Ly-1。为避免太多级数带来的计算量，将灰度进行压缩处理如下： 式中 [ ]表示取整，Lg为规定的最大灰度级；fmax为图像的最大灰度级。经压缩处理后图像的最大灰度级从fmax变到Lg。 Page ? * 灰度共生矩阵分析法 用梯度算子对图像进行处理可以得到梯度图像g（x，y），其中：x=0，1，…Lx-1，y=0，1，…Ly-1。同样可将梯度图像进行压缩处理，若规定的最大梯度值为Ls，则压缩后的梯度图像为： 式中个gmax为图像最大梯度值。梯度—灰度共生矩阵 H（i，j），i=0,1，…Lg-1，j=0,1，…Ls-1 表示压缩的图像在灰度为i的像素与梯度图像上对应像素梯度为j的像素出现的频率。 为避免计算量过大，对灰度—梯度矩阵进行归一化处理，得到 式中：i=0，1，…Lg-1；j=0，1，…Ls-1 Page ? * 灰度共生矩阵分析法 综上所述，灰度—梯度共生矩阵综合了灰度、梯度信息，因而我们可以从该矩阵中提取以下纹理特征： （1）小梯度优势 （2）大梯度优势 （3）灰度分布不均匀表征 （4）梯度分布不均匀表征 （5）能量 （6）灰度平均 （7）梯度平均 （8）灰度均方差 （9）梯度均方差 （10）相关 （11）灰度熵 （12）梯度熵 （13）混合熵 （14