图像特征选择再纹理分析.pptVIP

§1　引言 §2　统计法 §3　自相关函数方法 §4　傅立叶频谱分析法 §5　灰度共生矩阵法 §6　灰度梯度共生矩阵法 §7　纹理的句法结构分析法 1.灰度梯度共生矩阵法是灰度直方图和边缘梯度直方图的结合。图像的梯度信息加进灰度共生矩阵，使得共生矩囝更能包含图像的纹理基元及其排列的信息。  考虑一幅图像 为避免太多的灰度级所带来的巨大计算量，可将其灰度进行正规化处理： 计算图像的梯度图像 并正规化： §6　灰度梯度共生矩阵法 * 第六章 纹理分析 * §1　引言 一、 纹理特征 纹理(Tuxture)一词最初指纤维物的外观。字典中对纹理的定义是“由紧密的交织在一起的单元组成的某种结构”。习惯上，把图像中这种局部不规则的，而宏观有规律的特性称之为纹理。因此，纹理是由一个具有一定的不变性的视觉基元，通称纹理基元，在给定区域内的不同位置上，以不同的形变及不同的方向重复地出现的一种图纹。 人工纹理是某种符号的有序排列， 这些符号可以是线条、点、字母等，是有规则的。自然纹理是具有重复排列现象的自然景象，如砖墙、森林、草地等图案，往往是无规则的。 砖墙、布、云、动物皮毛、乱草、树叶 常见纹理图案： (a) (b) 图： 人工纹理与自然纹理 (a) 人工纹理； （b）自然纹理 二、 纹理分析方法 1、统计分析方法 凭人们的直观印象，即从图像有关属性的统计分析出发，统计纹理特征。 2、结构分析方法 从图像结构的观点出发，认为纹理是结构。纹理分析应该采用句法结构方法，力求找出纹理基元，再从结构组成探索纹理的规律或直接去探求纹理构成的 结构规律。 三、 纹理描述和度量方法 1、统计法 2、结构法 3、频谱法 统计法利用灰度直方图的矩来描述纹理，可分为灰度差分统计法和行程长度统计法。 1. 灰度差分统计法 设(x, y)为图像中的一点，该点与和它只有微小距离的点(x+Δx, y+Δy)的灰度差值为 gΔ称为灰度差分。设灰度差分的所有可能取值共有m级，令点(x, y)在整个画面上移动，累计出gΔ(x, y)取各个数值的次数， 由此便可以作出gΔ(x, y)的直方图。由直方图可以知道gΔ(x, y)取值的概率pΔ(i)。 当采用较小i值的概率pΔ(i)较大时，说明纹理较粗糙；概率较平坦时，说明纹理较细。 该方法采用以下参数描述纹理图像的特征：  （2） 角度方向二阶矩: （3） 熵: （4）平均值: （1） 对比度： §2　统计法 在上述公式中，pΔ(i)较平坦时， ASM较小，ENT较大； 若pΔ(i)分布在原点附近，则MEAN值较小。 2. 行程长度统计法 设点(x , y)的灰度值为g，与其相邻点的灰度值也可能为g， 统计出从任一点出发沿θ方向上连续n个点都具有灰度值g这种情况发生的概率，记为p(g, n )。在同一方向上具有相同灰度值的像素个数称为行程长度。 由p(g, n)可以定义出能够较好描述纹理特征的如下参数： （1） 长行程加重法： 当行程长时，LRE大。 （2） 灰度值分布： （3）行程长度分布： （4）行程比： 式中，N2为像素总数。 当灰度行程等分布时，GLD最小；若某些灰度出现多，即灰度较均匀，则GLD大。 当灰度各行程均匀，则RLD小，反之像素灰度行程长短不均匀，则RLD大。  纹理常用它的粗糙性来描述。例如，在相同的观看条件下， 毛料织物要比丝织品粗糙。粗糙性的大小与局部结构的空间重复周期有关，周期大的纹理粗。这种感觉上的粗糙与否不足以定量纹理的测度，但可说明纹理测度变化倾向。即小数值的纹理测度表示细纹理，大数值纹理测度表示粗纹理。 用空间自相关函数作纹理测度的方法如下： §3　自相关函数方法 设图像为f (m, n)，自相关函数可由下式定义： 上式是对（2w+1）×(2w+1)窗口内的每一个像素点（j ,k）与偏离值为ε, η=0, ±1, ±2, …, ±T的像素之间的相关值进行计算。一般纹理区对给定偏离（ε, η）时的相关性要比细纹理区高，因而纹理粗糙性与自相关函数的扩展成正比。自相关函数扩展的一种测度是二阶矩， 即 付立叶功率谱纹理分析法的基本思想： 付立叶变换： 功率谱： §4　傅立叶频谱分析法 功率谱的径向分布与图像f(x,y)空间域中的纹理的粗细程度有关。对于稠密的细纹理，功率谱沿径向的分布比较分散；对于稀疏的粗纹理，功率谱往往比较集中于原点附近；对于有方向性的纹理，功率谱的分布将偏置于与纹理垂直的方向上。 纹理图像