图像特征选择纹理剖析.pptVIP

3）相关性：用来衡量灰度共生矩阵元素在行方向或列方向相似程度。 第六章 纹理分析 §1　引言 §2　统计法 §3　自相关函数方法 §4　傅立叶频谱剖析法 §5　灰度共生矩阵法 §6　灰度梯度共生矩阵法 §7　纹理句法结构剖析法 §1　引言 一、 纹理特征 纹理(Tuxture)一词最初指纤维物外观。字典中对纹理定义是“由紧密交织在一起单元组成某种结构”。习惯上，把图像中这种局部不规则，而宏观有规律特性称之为纹理。因此，纹理是由一个具有一定不变性视觉基元，通称纹理基元，在给定区域内不同位置上，以不同形变及不同方向重复地出现一种图纹。 人工纹理是某种符号有序排列， 这些符号可以是线条、点、字母等，是有规则。自然纹理是具有重复排列现象自然景象，如砖墙、森林、草地等图案，往往是无规则。 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、 纹理剖析方法 1、统计剖析方法 凭人们直观印象，即从图像有关属性统计剖析出发，统计纹理特征。 2、结构剖析方法 从图像结构观点出发，认为纹理是结构。纹理剖析应该采用句法结构方法，力求找出纹理基元，再从结构组成剖析纹理规律或直接去探求纹理构成 结构规律。 三、 纹理描述与度量方法 1、统计法 2、结构法 3、频谱法 统计法利用灰度直方图矩来描述纹理，可分为灰度差分统计法与行程长度统计法。 1. 灰度差分统计法 设(x, y)为图像中一点，该点与与它只有微小距离点(x+Δx, y+Δy)灰度差值为 gΔ称为灰度差分。设灰度差分所有可能取值共有m级，令点(x, y)在整个画面上移动，累计出gΔ(x, y)取各个数值次数， 由此便可以作出gΔ(x, y)直方图。由直方图可以知道gΔ(x, y)取值概率pΔ(i)。 当采用较小i值概率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)灰度值为g，与其相邻点灰度值也可能为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这种情况发生概率，记为p(g, n )。在同一方向上具有相同灰度值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。  纹理常用它粗糙性来描述。例如，在相同观看条件下， 毛料织物要比丝织品粗糙。粗糙性大小与局部结构空间重复周期有关，周期大纹理粗。这种感觉上粗糙与否不足以定量纹理测度，但可说明纹理测度变化倾向。即小数值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)窗口内每一个像素点（j ,k）与偏离值为ε, η=0, ±1, ±2, …, ±T像素之间相关值进行计算。一般纹理区对给定偏离（ε, η）时相关性要比细纹理区高，因而纹理粗糙性与自相关函数扩展成正比。自相关函数扩展一种测度是二阶矩， 即 付立叶功率谱纹理剖析法基本思想： 付立叶变换： 功率谱： §4　傅立叶频谱剖析法 功率谱径向分布与图像f(x,y)空间域中纹理粗细程度有关。对于稠密细纹理，功率谱沿径向分布比较分散；对于稀疏粗纹理，功率谱往往比较集中于原点附近；对于有方向性纹理，功率谱分布将偏置于与纹理垂直方向上。 纹理图像 傅立叶功率谱 频谱法借助于傅立叶频谱频率特性来描述周期或近乎周期二维图像模式方向性。常用三个性质是： (1) 傅立叶频谱中突起峰值对应纹理模式主方向; (2) 这些峰在频域平面位置对应模式基本周期; (3) 如果利用滤波把周期性成分除去， 剩下非周期性部分可用统计方法描述。 实际检测中，为简便起见可把频谱转化到极坐标系中, 此时频谱可用函数S(r, θ)表示，如上图所示。对每个确定方向θ， S(r, θ)是一个一维函数S