（通信与信息系统专业论文）金属断口的图像识别研究.pdf

摘要 摘要 断口图像的智能化模式识别与分类是断裂构件智能化诊断的重要内容之 一。从断口图像中提取有用的特征信息是实现断口分析定量化和智能化的最根 本问题，而断口的模式识别与分类又是进行断裂故障智能化分析的关键性问题。 纵观国内外的研究，虽然在断口识别上已取得一些有效的成果，但也存在识别 率不高的缺点。因此，很有必要采用新的方法对断口的识别与分类进行进一步 的研究和探索。本研究以灰度级的空间相关矩阵即共生矩阵为基础进行纹理特 征提取，应用计算机对典型断口进行识别和分类的问题开展了系统的研究工作， 为今后全面开展金属断口定量分析实现断口故障诊断的智能化提供了重要的组 成部分和技术手段，主要内容如下： 选择疲劳、韧窝、沿晶、解理四种典型金属断口图像为研究对象。通过分 析灰度共生矩阵特征参数随其三个构造因子( 生成步长d ，图像灰度级g 和生成 方向0 ) 的变化规律，并结合金属表面纹理自身的特点，确立了适合描述金属表 面纹理的灰度共生矩阵构造方法。以上述研究为基础，获取灰度共生矩阵的1 4 个纹理特征参数，使用“参数间相关性分析”和“主分量分析”两种方法对这 1 4 个纹理特征参数进行选择。在前一种方法中，本研究还与常用方法进行比较 分析，最后发现，本研究的方法比常用方法分类的效果更好。 本研究还采用了b p 神经网络分类器和径向基神经网络分类器对各断口特征 进行分类。在上述两种特征选择方法中，b p 神经网络分类器对未知样本集合的 识别率低于径向基神经网络分类器。最后，对实验结果进行了比较分析。 关键词：纹理特征；灰度共生矩阵；神经网络分类器 a b s t r a c t a b s t r a c t f r a c t u r ei m a g ei n t e l l i g e n tp a r e mr e c o g n i t i o na n dc l a s s i f i c a t i o ni so n eo ft h e i m p o r t a n tc o n t e n t si na u t o m a t i cd i a g n o s i so ff r a c t u r ec o m p o n e n t s t od i s t i l la v a i l a b l e f e a t u r ei n f o r m a t i o nf r o mf r a c t u r ei m a g ei st h em o s te s s e n t i a lp r o b l e mo fr e a l i z i n g q u a n t i f i c a t i o n a l a n d i n t e l l i g e n t f r a c t u r e a n a l y s i s ，p a r e mr e c o g n i t i o n a n d c l a s s i f i c a t i o no ff r a c t u r ei st h ep i v o t a lp r o b l e mi nt h ei n t e l l i g e n ta n a l y s i so ff r a c t u r e m a l f u n c t i o n f r o mt h er e s e a r c ho fh o m ea n do v e r s e a s ，w ek n o wt h a tt h e r ea r es o m e a v a i l a b l yp r o d u c t i o ni nt h ef r a c t u r er e c o g n i t i o n ，b u tt h e r ei sa l s ot h ed i s a d v a n t a g eo f l o wr e c o g n i t i o nr a t e s o ，w en e e da d o p tn e ww a y st od of u r t h e rr e s e a r c ha n d e x p l o r i n gi nt h er e c o g n i t i o na n dc l a s s i f i c a t i o no ff r a c t u r e i nt h i ss t u d y ，w eu s e dg r a y l e v e l - s p a c ec o r r e l a t i v em a t r i x t h a ti sc o o c c u r r e n c em a t r i xt od i s t i l lt e x t u r e f e a t u r e ，a n du s et h ec o m p u t e rt od os y s t e m i cr e s e a r c hw o r ki nt h ep r o b l e mo f r e c o g n i t i o na n dc l a s s i f i c a t i o no ft y p i c a lf r a c t u r e ，w h i c hp u t sf o r w a r di m p o r t a n tp a r t s a n dt e c h n o i n s t r u m e n tf o rq u a n t i t a t i v ea n a l y s i so fc o m p r e h e n s i v em e t a lf r a c t u r ea n d i n t e l l i g e n td i a g n o s i so ff r a c t u r em a l f u n c t i o nf o rt h ef u t u r e ，a n dt h em a i nc o n t e n tw a s a sf o l l o w s c h o o s ef a t i g u e ，c l e a v a g e ，d i m p l ea n di n t e r e r y s t a l l i n ea sr e s e a r c ho b j e c t s ，w h i c h a r et y p i c a lm e t a lf r a c t u r ei m a g e b ya n a l y z i n gt h ec h a n g i n gr u l eo fg r a yl e v e l c o o c c u r r e n c em a t r i x ( g l c m ) f e a t u r ep a r a m e t e r sa l o n gw i t hi t st h r e eb u i l d i n gf a c t o r i n c l u d i n gt h em a k i n gs t e pd ，t h eg r a y - l e v e lo fi m a g ega n dm a k i n gd i r e c t i o np ，t h e w a yo fb u i l d i n gg l c ms u i t a b l et od e s c r i b em e t a ls u r f a c et e x t u r ew a se s t a b l i s h e d c o m b i n e dw i t hi t sc h a r a c t e r i s t i e s b a s e do nt h ef o r e g o i n gs t u d y ，1 4t e x t u r e p a r a m e t e r so fg l c mw e r eo b t a i n e d ，a n du s et w om e t h o d sw h i c hi n v o l v e d “t h e c o r r e l a t i o na n a l y s i sb e t w e e np a r a m e t e r s ”a n d p r i n c i p a lc o m p o n e n ta n a l y s i s t o c h o o s et h e1 4t e x t u r ep a r a m e t e r s i nt h ep r i m a r ym e t h o d ，t h i ss t u d ys t i l lc o m p a r e di t w i t hc o m m o mm e t h o da n da n a l y z e da n df i n a l l yf o u n dt h a tt h ec l a s s i f i c a t i o nr e s u l t s b yt h em e t h o di nt h i ss t u d yi sb e t t e rt h a nt h ec o m m o n m e t h o d i nt h i ss t u d yi ta l s oa d o p t e dt h eb pn e u r a ln e tw o r kc l a s s i f i e ra n dr a d i a lb a s i s f u n c t i o n ( r b f ) n e u r a ln e tw o r kc l a s s i f i e rt oc l a s s i f y f r a c t u r ei m a g ef e a t u r e i nt h e d b o v et w ow a y so ff e a t u r es e l e c t i o n ，t h er e c o g n i t i o nr a t eo ft h eb p n e u r a ln e t w o r k c l a s s i f i e rt ou n k n o w ns a m p l e sg a t h e rw a sl o w e rt h a nr b f n e u r a ln e tw o r kc l a s s i f i e r a tl a s t ，t h ea r t i c l ec o m p a r e da n da n a l y z e dt h ee x p e r i m e n t a lr e s u l t s k e yw o r d s ：t e x t u r e f e a t u r e ；g r a y l e v e lc o o c c u r r e n c em a t r i x ( g l c m ) ；n e u r a l n e t w o r kc l a s s i f i e r i i i 学位论文独创性声明 学位论文独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含 其他人已经发表或撰写过的研究成果，也不包含为获得壶昌太堂或其他教育 机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何 贡献均已在论文中作了明确的说明并表示谢意。 学位论文作者签名( 瑚：铹彳签锢期3 吵年堋柏 学位论文版权使用授权书 录到本学位论文作者完全了解直昌太堂有关保留、使用学位论文的规定， 有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅 和借阅。本人授权壶昌太堂可以将学位论文的全部或部分内容编入有关数据库 进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。同 时授权中国科学技术信息研究所将本学位论文收鬈中国学位论文全文数据库， 并通过网络向社会公众提供信息服务。 ( 保密的学位论文在解密后适用本授权书) 第1 章引言 第1 章引言 1 1 本课题研究的目的和意义 机械设备或机械部件在实际使用过程中，由于各种原因或因素造成失效， 尤其是断裂失效，给正常的安全生产以及人们的日常生活带来了严重影响。很 多情况下，这些失效现象将引起重大的经济损失，断裂失效的诊断与分析，一 直是人们非常重视的研究课题之一。特别是随着现代科学技术的发展，对保障 机械的安全可靠运行提出了越来越高的要求，实现断裂构件的智能化诊断已成 为当今疲劳断裂研究领域中的一个前沿课题。断裂断口的有效分析对准确地把 握断裂事故发生的原因，及时发现产品在设计，选材，制造和服役中存在的问 题，避免事故的重演具有十分重要的作用。 长期以来，断口的分析研究往往只是停留在通过对断口的形貌特征的观察 来进行定性解释和分析，对于断口的识别主要是靠技术人员的经验以及对于断 口学，金属学，疲劳理论，断裂力学，材料学等知识的掌握和理解程度，尽管 如此，也无法满足实际的需要。在工程实际中，由于未能对断口加以正确识别， 采取有效改进和防范措施，致使同类事故再次发生的情况屡见不鲜。 现代计算机技术及其数字图像处理技术的迅猛发展，为金属断口的分析研 究提供了新的手段和途径，其中，断口的特征提取和模式识别越来越受到重视。 本课题需实现的功能为通过建立金属断口图像的特征空间对金属断口图像 进行识别与分类，主要包括两方面，一是金属断口图像特征空间的建立，二是 金属断口图像的识别与分类。 断口图像的智能化模式识别与分类是断裂构件智能化诊断的重要内容之 一。从断口图像中提取有用的特征信息是实现断口分析定量化和智能化的最根 本问题，而断口的模式识别与分类又是进行断裂故障智能化分析的关键性问题。 纵观国内外的研究，虽然在断口识别上已取得一些有效的成果，但也存在识别 率不高的缺点。因此，很有必要采用新的方法对断口的识别与分类进行进一步 的研究和探索。本文将以灰度级的空间相关矩阵即共生矩阵为基础进行纹理特 征提取，应用计算机对典型断口进行识别和分类的问题展开系统的研究工作， 第1 章引言 为今后全面开展金属断口定量分析实现断口故障诊断的智能化提供重要的组成 部分和技术手段。 1 2 国内外研究现状 法国科学家r e a u m u r 早在1 7 2 2 年就尝试由断口来分析破损的原因和机理， 此后m a r t e n s 等人继续了这一研究。断口分析【i 】通常包括宏观断口分析和显微断 口分析两个方面的内容；并从断口形貌特征来分析研究断裂类型，断裂方式， 断裂路径，断裂过程，断裂性质，断裂原因和断裂机理等问题。如果金属材料 或断裂条件发生变化，则断口形貌也随之改变。不管断裂方式如何，通常断口 总存在两个显著不同的形貌特征：裂源区和裂纹扩展区；因此断裂也可理解为 是裂纹的萌生和扩展的过程，而断口是裂纹所扫过的面积。断口忠实地记录了 断裂的动态变化过程，如果对断口形貌特征进行全面的分析研究，就可以了解 或掌握断裂失效的全过程。用肉眼，放大镜或实体显微镜对破断零件进行直接 观察与分析的方法，称为宏观分析法。其放大倍数通常规定在5 0 倍以下。宏观 分析法是整个破断金相综合分析的基础。裂源区宏观位置的确定和裂纹扩展方 向的判断是宏观断口分析的主要任务。进入二十世纪5 0 年代，出现了电子显微 镜之后，使得人们可以利用分辨率高，景深大的透射式电子显微镜来对断口进 行精确观察分析，才使各种断口的显微观察分析变得活跃起来。通过对断口的 微观形态基本特征的研究，帮助分析解决了大量的有关断裂机理，破断故障分 析等诸多方面的理论和实际问题。由此才出现了断口学( f r a c t o g r a p h y ) 这样的术 语。随着技术的发展，断口的分析已经从定性过渡到定量分析。 b r o t h e r s ( 1 9 7 1 ) ，m a d e y s k i ( 1 9 7 8 ) 等人研究了如何利用疲劳断口图来估算循环应力 幅值和断裂韧性；a b e l k i s ( 1 9 7 8 ) 利用s e m 图研究了各种谱载荷下疲劳裂纹扩展 速率；c h e r m a n t ( 1 9 7 9 ) ，u n d e r w o o d ( 1 9 8 1 ) 等人利用s e m ( s c a n n i n ge l e c t r o n m i c r o s c o p e ) 图从金相学的角度进行疲劳断口的定量分析研究； k k o m a i ，j k i k u c h i ( 1 9 8 5 )对疲劳断1 2 1 进行了三维重建【z 1 ； s s a k a i ，h o d a m o t o ( 1 9 8 6 ) 采用多方向探测方法进行了s e m 图像的三维重型列； k b a n i r j i ( 1 9 8 6 ) 提出应用计算机对断口图像进行定量分析的思路，提出计算机辅 助断口学概4 1 ；k k o m a i ，m n o g u c h i ( 1 9 8 7 ) 对腐蚀疲劳断口进行三维重建和分 析p 1 ；k k o m a i ，k m i n o s h i m a ( 1 9 8 8 ) 对计算机辅助断1 3 学的发展进行了回顾与展 2 第1 章引言 望1 6 1 ；h o g i h a r a , k h o s h i ( 1 9 8 9 ) 采用n e cp c 9 8 0 1 v 型微机实现了s e m 图像的三 维重建【7 1 ；k m i n o s h i m a ，t n a g a s a k i ( 1 9 9 0 ) 提出应用图像处理技术对断1 2 1 图像自 动分类的方法 8 1 ；j c r u s s ( 1 9 9 0 ) 提出计算机辅助断口分析的思路，对铝合金疲 劳s e m 断1 2 1 进行了处理分析例；k k o m a i ，m m a s o t o ( 1 9 9 0 ) 综述疲劳断口的图像 处理技术州；m m a s o t o ，m y o s i h i k o ( 1 9 9 1 ) 断1 2 1 图像的三维重建及测量1 ： k k o m a i ，k m i n o s h i m a ( 1 9 9 2 ) 对疲劳s e m 断口图像进行了二维参数提取和三维 重建1 1 2 1 ；k k o m a i ，k m i n o s h i m a ( 1 9 9 3 ) 对六种典型断口进行了模式识别： k m i n o s h i ，t n a g o s a k i ( 1 9 9 3 ) 采用共生矩阵、模式识别、聚类分析技术对三种典 型断口进行了分类【1 4 1 , 在中国9 3 理化检验年会上吕广庶比较分析了断口定量测 算的各种方法，重点介绍了体视学技术在定量断口学中的应用，列举了以立体 对断口照片按照体视学原理进行测量断口三维几何尺寸，求剖面截面线及断口 分维数的实验结果；北京航空航天大学的钟群鹏，张峥等人对疲劳断口上疲劳 弧线，疲劳沟线的物理数学模型进行分析，为金属材料的疲劳宏观断口定量分 析提供了有价值的思路；东北大学的颜云辉，王德俊等人对疲劳断裂构件裂纹 扩展速率的推算方法进行了研究f 1 5 1 ；清华大学的朱平对系列示波冲击断口三维 形貌几何特征和断裂性进行了研刭6 1 ；华北电力大学的李沁，田沛，吴保炜， 高云霞等人应用分形进行金属断1 2 1 的识别分类【1 7 1 。 1 3 数字图像处理及其在金属材料领域的应用 1 3 1 数字图像处理概述 计算机图像处理技术是一门相对年轻的学科，但在短短几十年中，它却以 程度不同的成功被应用于几乎所有与成像有关的领域。作为- i 1 多学科的交叉 学科，它涉及到光学，电子学，数学摄影技术，计算机技术等学科的众多方面。 从广义上讲计算机图像处理技术包括计算机图形学，计算机视觉以及数字图像 处理和分析。 、 图像处理在二十世纪2 0 年代首次应用于图像的远距离传送，以改变伦敦和 纽约之间经海底电缆发送的图片的质量。但是，数字图像处理真正引起人们的 巨大兴趣，并得到迅速的发展是在5 0 年代后期数字计算机发展到一定水平之 后。而数字图像处理作为一门学科则可追溯到6 0 年代初期。1 9 6 4 年，美国喷 3 第l 章引言 气推进实验室( j e tp r o p u l s i o nl a b o r a t o r y ) 利用计算机对太空船发回的月球图像信 息进行处理，收到明显的效果。不久，一门称为数字图像处理( d i g i t a li m a g e p r o c e s s i n g ) 的新学科便诞生了。到了7 0 年代，二维图像的处理和分析取得了较 大的进展，特别是由于离散数学理论的创立和完善，使计算机数字图像处理技 术得到了迅猛的发展，8 0 年代进入了研究高潮。我国学者则是在7 0 年代后期 才开始较大规模的研究。它在医疗诊断，工业自动检测与控制，智能机器人， 交通，通讯，天文，地质，生物，化学，文教，科研等众多领域中得到了广泛 应用，取得了巨大的经济与社会效益。 数字图像处理系统主要由图像采集系统，数字计算机及输出设备组成。图 像处理技术主要包括图像的采集，压缩，传输，变换，检测，恢复，重建，分 割，分析，描述，识别等。其中分析，描述，识别属于图像处理的高级部分， 发展时间较短，理论还不成熟，未形成普遍情况的处理方法。 1 3 2 数字图像处理主要特点内容及其在金属材料领域的应用 数字图像处理主要包括如下特点【1 8 1 ： ( 1 ) 数字图像处理的信息大多是二维信息，处理信息量大。因此对计算机的 计算速度、存储容量等要求较高。 ( 2 ) 数字图像处理占用的频带较宽。与语言信息相比，占用的频带要大几个 数量级。所以在成像、传输、存储、处理、显示等各个环节的实现上，技术难 度较大，成本亦高，这就对频带压缩技术提出了更高的要求。 ( 3 ) 数字图像中各个像素不是独立的，其相关性大。在图像画面上，经常有 很多像素有相同或接近的灰度。因此，图像处理中信息压缩的潜力很大。 ( 4 ) 数字图像处理后的图像一般是给人观察和评价的，因此受人的因素影响 较大。另一方面，计算机视觉是模拟人的视觉，人的感知机理必然影响着计算 机视觉的研究。这些都是心理学和神经心理学正在着力研究的课题。 数字图像处理主要包括以下几项内容： ( 1 ) 几何处理几何处理包括坐标变换，图像的放大、缩小、旋转、移动， 多个图像配准，全景畸变校正，周长、面积、体积计算等。 ( 2 ) 算数处理算数处理主要对图像进行加、减、乘、除等运算，虽然该处 理主要针对像素点的处理，但非常有用，如医学图像的减影处理技术就有显著 的效果。 4 第1 章引言 ( 3 ) 图像增强和复原图像增强和复原的目的是为了提高图像的质量。图像 复原要求对图像降质的原因有一定的了解，一般来讲应根据降质过程建立“降 质模型”，再采用某种滤波方法，恢复或重建原来的图像。 ( 4 ) 图像重建 几何处理、图像增强、图像复原都是从图像到图像的处理， 即输入的是图像、输出的也是图像，而图像重建则是从数据到图像的处理，即 输入的是某种数据，处理结果得到的是图像。图像重建的主要算法有代数法、 迭代法、傅里叶反投影法、卷积反投影法。值得注意的是三维重建算法发展很 快，而且由于与计算机图形学相结合，把多个二维图像合成三维图像，并加以 光照模型和各种渲染技术，能生成各种具有强烈真实感及纯净感的高质量图像。 三维重建技术也是当今虚拟现实和科学可视化技术的基础。 ( 5 ) 图像编码压缩图像编码压缩技术可减少描述图像的数据量( 即比特 数) ，以便节省图像传输、处理时间和减少所占用的存储器容量。编码是压缩技 术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。 ( 6 ) 模式识别模式识别理论和技术经常应用在数字图像处理研究中。目前， 模式识别方法主要分为五种，即统计识别法、句法结构模式识别法、模糊识别 法、基于神经网络的模式识别方法和人工智能方法。统计识别法侧重于特征， 句法结构识别侧重于结构和单元，模糊识别是把模糊数学的一些概念和理论用 于识别处理。在模糊识别处理中充分考虑了人的主观概念，同时也考虑了人的 非逻辑思维方法及人的生理、心理反应，这一独特的识别方法目前正处于研究 阶段，方法尚未成熟，其它方法请参见第3 1 3 节。 ( 7 ) 图像理解 图像理解是由模式识别发展起来的一个重要研究领域，它输 入的是图像，输出的是一种描述。这种描述不仅是单纯用符号作出的描述，而 且要利用客观世界的知识使计算机进行推理、联想及思考，从而理解图像所表 现的内容。图像理解有时也叫景物理解，在这一领域还有相当多的问题需要进 行深入研究。 目前，数字图像处理技术( 计算机图像处理技术) 已是各个学科竟相研究并在 各个领域广泛应用的一门科学，广泛应用于许多社会领域，如工业、农业、国 防军事、社会公安、科研、生物医学、通信邮电等。随着科学事业的进步以及 人类需求的多样化发展，多学科的交叉、融合已是现代科学发展的突出特色和 必然途径，而图像处理科学又是一门与国计民生紧密相连的一门应用科学，它 的发展和应用与我国的现代化建设之密切、影响之深远是不可估量的。 5 第1 章引言 数字图像处理技术在金属材料领域的应用主要包括以下几方面：( 1 ) 金属 材料结构的分析与测量：( 2 ) 金属加工和制材控制；( 3 ) 金属材料表面粗糙度 检测：( 4 ) 金属断口表面纹理的分析等。计算机图像处理技术作为一种先进的 技术手段，正在积极推动金属材料科学的研究和金属材料的发展。 1 4 论文的主要内容硬结构安排 疲劳韧寓沿品解理 图i i 四种典型金属断口 本课题研究的主要内容是对四种典型金属断口图像进行识别，它们分别是 疲劳断口、韧窝断口、沿晶断口和解理断口如图1 1 所示。 以解决金属断r a 图像识别中的问题为主线，内容包括从图像预处理到识别 的各个方面。首先对金属断口图像中的采集图像进行一系列预处理工作，以优 化图像质量，提高识别率，然后利用灰度共生矩阵法对金属断口图像进行特征 提取，并使用“参数间相关性分析”和“主分量分析”两种方法对纹理特征参 数进行选择，然后设计b p 神经网络和径向基函数( r a d i a lb a s i sf u n c t i o n ，r b f ) 神经网络两种分类器分别对金属断口图像进行识别，并测试、记录识别效果。 论文的结构安排如下： 第l 章为绪论，主要介绍了奉课题研究的目的和意义，以及国内外研究现 状还有数字图像处理及其在金属材料领域的应用。最后简单介绍了本论文的主 要内容。 第2 章介绍了纹理的定义、研究方向和应用领域，以及纹理分析的方法， 最后介绍了金属断口图像的纹理特征。 第3 章介绍了模式识别概述再详细介绍了特征选择方法，最后重点讲解 了神经网络分类器。 第1 章引言 第4 章从三个方面介绍了金属断口表面纹理灰度共生矩阵特征参数的获 取：先介绍了灰度共生矩阵理论，再分析了构造因子对金属断口表面纹理特征 参数的影响，最后讲解如何获取金属断口表面纹理灰度共生矩阵特征参数。 第5 章从两个方面讲解金属断口表面纹理参数体系的建立及其分类识别： 一方面是基于参数间相关性分析金属断口表面纹理的分类识别，另一方面是基 于主分量分析( p c a ) 金属断口表面纹理的分类与识别。 第6 章概括了本文的实验结论、创新点及展望。 7 第2 章纹理分析 第2 章纹理分析 纹理广泛地存在于我们的现实世界中，美丽的大自然纹理的身影总是在其 中闪现。由于纹理具有较好的性质，纹理已成为计算机视觉和真实感造型领域 当中经常使用的术语之一，纹理技术及其相关技术成为当今计算机视觉领域研 究的热点。但是至今纹理还没有明确的定义，关于纹理具有哪些特征还没有达 成一致的认识。在图像分析中，纹理是描述图像常用的一个概念。纹理特征是 一种不依赖于颜色或亮度的反映图像中同质现象的重要特征。它是所有物体表 面共有的内在特性，包含了物体表面结构组织排列的重要信息以及与周围环境 的联系。因此，纹理特征在图像的分类识别中得到了广泛的应用。 2 1 纹理概述 2 1 1 纹理的定义 纹理是图像分析中常用的概念，但目前尚无统一的定义。纹理最初指纤维 物的外观，一般可以认为纹理是由许多相互接近的、互相编制的元素构成，它 们富有周期性。一种纹理定义为“任何事物构成成分的分布和特征，尤其是涉 及外观或触觉的品质 。与图像分析直接有关的定义是“一种反映一个区域中像 素灰度级的空间分布的属性 。 纹理分为人工纹理和自然纹理两大类。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、草地等照片，往往是无规则的。 图像纹理可以存在一些基本的纹理单元纹理基元，图像中最基本的单 元是像素，纹理基元是由像素组成的具有一定大小和形状的集合。在散斑图像 中存在的斑点可以看作是散斑纹理的基元，不同的散斑图像中基元的分布和大 小不同，图像的点灰度信息和图像的空间信息就不同。纹理是由纹理基元排列 组合而成的，基元排列的疏密、周期性、方向性等的不同，能使图像的外观产 生极大的变化。 8 第2 章纹理分析 2 1 2 纹理的研究方向 纹理分析指的是通过一定的图像处理技术抽取出纹理特征，从而获得纹理 的定量或定性描述的处理过程【1 9 1 。近些年来，纹理分析在纺织品、植物病虫害 防治、医学病理诊断和大容量图像数据库的检索、遥感图象处理f 2 4 】等方面得 到了广泛的应用。由于纹理的大量存在和复杂多样，纹理分析在上述以及其它 相关应用领域不但具有重要的地位，而且具有较大的难度，因而一直是人们关 注和研究的一个热点和难点。纹理分析的主要研究内容包括纹理描述、纹理分 割、纹理分类、纹理检索等，是计算机视觉和模式识别的重要组成部分。 纹理描述：对图像中纹理信息的基本特性做出某种度量。纹理描述的基础是 找出一组能够有效反映图像纹理特征的参量，这些纹理特征能够尽可能地缩小 纹理的类内差距，同时尽可能增大纹理的类间差距。常用的纹理特征有粗糙度、 方向性、一致性等。 纹理分割：以纹理特征的一致性为准则的图像分割处理。由于不同物体往往 具有不同的纹理特征，纹理分割将图像中划分为互不相交的若干区域，每一个 区域内部具有相对致的纹理特性。纹理分割包括有监督和无监督的纹理分割。 有监督纹理分割是指在对待分割图像掌握一定先验知识的情况下的纹理分割， 反之则称为无监督分割。纹理的先验知识包括确定待分割图像的纹理类别数目， 不同纹理的表现特性，等等。 纹理分类：通过纹理特征的描述、提取和识别处理，将不同类别的未知纹理 图像正确地归类到已知的纹理类型。纹理分类一般包括训练和分类两个阶段， 一般是有监督的。 纹理检索：通过某种相似性准则计算纹理特征之间距离，对图像进行识别检 索。纹理检索是基于内容的图像检索研究的一个重要内容。 本文中我们主要研究纹理特征的提取和基于此特征的纹理图像的分类问 题。 2 1 3 纹理的应用领域 自然界的纹理几乎无处不在，充分地利用纹理的复杂多样性和强大的表现 区分能力，能够更好地将纹理应用到科研、生产和生活中去。目前，纹理在许 多领域有着广泛的应用，如遥感图像分析、医学图像分析、缺陷检测、基于生 9 第2 章纹理分析 物特征的身份鉴定、文档分割、目标识别以及图像检索等方面。下面我们简单 回顾一下纹理在木材纹理分析、遥感图像分析、医学图像处理中的应用。 ( 1 ) 木材纹理分析 国内外部分学者对该问题进行了研究，仲村匡司采用计算机图形处理模拟 制作了各种木材径切面纹理模型图片，并调查分析了“自然感”心理量与其它 心理量以及纹理图形数字化参数之间的关系。伏劲松引用电磁学中等电位面的 概念，以线电荷的作用，推导出一个适合于表现木材纹理的体纹理函数，克服 了共轴圆柱法产生的纹理单调性，解决了点电荷等电位面法中对纹理效果不易 控制的缺陷，能够较为贴近地描绘自然界中木材纹理。东北林业大学刘一星教 授、王克奇教授、马岩教授、白雪冰副教授、于海鹏博士，也在该领域进行了 研究，马岩教授主要采用建立数学模型的方法对木材端面纹理进行了探索，指 出利用木材端面纹理往往可以显现的特点来识别木材年轮宽度、锯材在原木中 的下锯位置、原木椭圆度等参数，并且为木材几何参数识别数学模型的建立提 供了工具【2 5 1 。在文献【2 6 】中，马岩教授为船舶、乐器等特殊行业需要的弦切 板数控加工提供数学描述理论，实现了对原木锯割弦切板材板面尺寸的数学描 述。刘一星教授与于海鹏博士在充分分析木材纹理的特点和变化规律的基础之 上，采用图像处理技术对木材纹理进行了详细的研究，建立起一套木材纹理特 征参数，使木材纹理的研究实现了定量化，尤其在木材纹理的空域统计分析上 研究比较深入，有许多值得借鉴之处【2 卜2 9 j 。王克奇教授与白雪冰副教授从模式 识别角度出发对木材纹理进行了研究，并验证了所建立参数体系的有效性，使 木材纹理的自动化分类识别向可实现方向迈进了关键的一步程 3 0 - 3 9 1 。 ( 2 ) 遥感图像分析 遥感图像包括卫星图像、卫星多谱段图像、地震测量和声纳图像等。在遥 感图像中，陆地、水、小麦、城市、森林、山脉等都具有各自特定的纹理。通 过分析遥感图像的纹理特征，可以进行区域识别、森林利用、城市发展、土地 荒漠化等在国民经济中很有价值的宏观研究及应用。目前，纹理分析被应用在 遥感图像分析的领域有遥感图像目标识别、遥感图像地形分类和卫星遥感图像 云类识别等【渊1 。h a r a l i c k 等使用灰度级二阶统计特征来分析遥感图像，他们 计算了四个方向( 0 。、4 5 。、9 0 。、1 3 5 0 ) 上灰度共生矩阵，对一个七类分类问题，通 过使用纹理特征，获得了大约8 0 的分类精度。w i l l h a u c k 使用两种方法对s p o t 数据与航空影像数据进行森林类别的识别，结果表明面向对象的分类方法优于 l o 第2 章纹理分析 传统的目视解译。h o f m a n n 在面向对象的分类方法中利用影像对象的光谱、纹 理、形状与背景信息识别i k o n o s 影像中的居民地，得到的分类结果有较高的 精度。b a t u e r 对奥地利维也纳市进行航空影像土地利用分类，结果表明目视解 译能取得一定的精度，但速度很慢，而采用面积对象的计算机自动分类技术， 速度快精度高，是高分辨率影像自动分类的理想选择。w i l l h a u c k 采用面向对象 的影像分析方法，集合了多种数据如s a r 影像、植被图及n o a h 数据完成了 全球在1 9 9 7 与1 9 9 8 年严重森林火灾后的制图任务。 ( 3 ) 医学图像处理 医学图像处理是一个非常具有应用前景的领域【4 7 o l 。在医学图像中，各个 器官的组织结构和断面都有很强的、有特色的纹理特性。医学图像的获得分为 非插入式技术( 如直接摄像、x 光片、超声波和x 线断层摄影等) 和插入式方法( 如 组织切片的显微镜摄像) 。g u i s r u d 和h u s o y 利用纹理成功检测t 乳腺图像的病 变。s u t t o n 和h a l l 用纹理特征讨论了在x 射线下肺病的分类问题。 k n b h a n u p r a k a s h 和a g r a m a k r i s h n a n 等人利用灰度共生矩阵对母体里胎儿的 肺部超声图像检测其是否己到成熟期。a b d e l r a h i mn a s s e re s g i a r 和 r a o u f n g n a g u i b 等人研究了正常的和癌变的结肠图像的分形维数值，采用k n n 法 为图像做出了正常或癌变的区分。h a r m s 等利用纹理特性并结合色彩信息来检 测血细胞中自血球的恶化问题。a i b r e g t s e n 和s c h u l e r u d 也通过老鼠活细胞切片 的电子显微镜图像的纹理来识别癌症细胞等。l a n d e w e e r d 和g e l s e m a 利用纹理 的一阶和二阶统计来检测白血球的各种形态和它们的畸变，用于检测病情。 2 2 纹理分析的方法 纹理是图像中一个重要而又难以描述的特性，至今尚无明确统一的定义， 一般理解为图像灰度在空间上的变化和重复，或图像中反复出现的局部模式( 纹 理基元) 和其空间排列规则。在纹理基元区域内呈现不规则性，而在宏观上又 表现出某种规律性【5 1 1 。h a w k i n s t s 2 1 认为纹理特征具有3 个主要标志：( a ) 某种局 部的序列在该序列更大的区域内不断重复；( b ) 序列是由其基本部分非随机排列 而组成的：( c ) 各部分大致都是均匀的统一体，在纹理区域任何地方都有大致相 同的结构尺寸。序列的基本部分称为纹理基元，因此纹理是由纹理基元按照某 种确定性规律或某种统计性规律组成的，前者称为确定性纹理，后者称为随机 第2 章纹理分析 性纹理。在纹理分析中大致分为四个方面【5 3 】： ( 1 ) 特征提取：计算图像的特征，以便能数字化描述图像纹理区域的属性。 ( 2 ) 纹理判别：将纹理图像分成不同的区域，每个区域对应视觉上同种性质 的纹理，是纹理分割的前提。 ( 3 ) 纹理分类：确定纹理图像属于哪个类别。 ( 4 ) 纹理重建：根据纹理信息构建3 维几何结构。其中特征提取是纹理分析 的关键，也是纹理分割，纹理分类和纹理重建的前提条件。提取出的特征要能 体现纹理的特点，在某些纹理图像中，由于不同类别的纹理差别较小，单一的 特征无法区分不同的纹理，因此必须提取多个特征组成特征向量对纹理进行分 析；有些纹理图像在空间域难以提取有效特征，必须借助各种变换将其变化到 变换域中再提取特征，如傅立叶变换，小波变换等。特征提取还与纹理属性相 关，不同的纹理应采用不同的特征提取技术。目前已出现了许多纹理分析方法， 大致可以分为统计法，结构法，模型法和基于频谱分析法四类【5 4 1 。 2 2 i 统计分析法 统计分析法是指在不知道纹理基元或尚未检测出基元的情况下对小区域纹 理特征的统计分布进行纹理分析，主要描述纹理基元或局部模式随机的空间统 计特征，以表示区域的一致性及区域间的相异性。 无论从历史发展还是从当前进展来看，统计分析法在纹理分析中都占有主 导地位，对纹理的细节性和随机性描述较好，具有适应性强的特点，不仅适用 于纹理比较细且纹理基元排列不规则的图像纹理，例如木纹表面纹理、沙地和 草坪等自然纹理；而且也同时适用于基元排列具有一定规则性的人造纹理。 统计方法通过计算每个点的局部特征，从特征的分布中推导出一些统计量 来刻画纹理。根据特征计算时所使用的点的个数，统计特征量又可分为一阶、 二阶和高阶统计量。高阶统计量分析是近年来国内外信号处理领域内的一个前 沿课题，用于处理非高斯、非平稳、非白色的加性噪声信号及非线性、非因果、 非最小相位系统。它既含有丰富的幅值信息又含有相位信息，比一阶和二阶统 计量所带信息更为丰富，但是高阶统计量的计算数据量相对低阶统计量要大得 多，从而影响图像处理的运行速度。本研究在对木材表面纹理图像进行分类识 别时，选用了基于人类视觉研究的二阶统计信息来提取特础5 5 j ，获得了较为理 1 2 第2 章纹理分析 想的识别率。 基于统计法的纹理分析方法主要有灰度共生矩阵，灰度差分法，灰度行程 法，自相关法等，经大量试验证明【珏5 7 1 ，灰度共生矩阵( g l c m ) 是描述纹理 的经典而成熟的方法，由此产生的参数可以描述纹理多方面的统计特征。 2 2 2 结构分析法 结构法是将纹理视为主要的图形按一定规则重复排列的结果【5 引。因此采用 结构法分析纹理必须实现对纹理基元的结构及其空间排列规则的表达。结构法 认为纹理由一些纹理基元以某种特定规则不断重复拓扑结构所组成，纹理基元 可以是直观的、明确的，但有的纹理基元可能并不是明确，需要人为地定义规 则化的纹理基元来近似原纹理基元，如树林上的叶子，可以用椭圆来近似。 该方法认为复杂的纹理可由一些简单的纹理基元以有规律的形式重复排列 组合而成，应将研究重点放在纹理基元之间的相互关系和排列规则上。首先确 定基元的形状和性质，然后确定控制这些基元位置的规则，最终形成宏纹理。 当理基元大到足够单独地被分割和描述时，结构分析法才有用。 结构分析法通常分为三步：第一步是图像增强，第二步是基元提取；第三步是 计算纹理基元的特征参数及构成纹理的结构参数纹理基元特征参数及其纹理基 元参数包括基元的尺寸、偏心、矩量、位置和姿态等，纹理结构参数包括相位、 距离、分离度、同现率等。 目前，已经提出了多种纹理结构分析法，但这些方法都受到现实因素的限 制，只能描述非常规则的纹理1 5 引。在c a r l u c c i ( 1 9 7 2 ) 提出的纹理句法模型中，用 线段或开口的多边形作为基元，然后用树表示法来描述这些基元的排列规则 1 6 0 。z u c k e r ( 1 9 7 6 ) 提出了通过使理想纹理图案畸变来产生实际纹理的方法，这 时理想纹理图案可用合成图来表示【6 1 。f u ( 1 9 8 2 ) 提出纹理的句法结构分析方 法，把纹理定义为结构基元按照某种规则重复分布所构成的模式【6 2 】。这种由树 句法结构产生的模式被认为是z u c k e r 模型中的理想纹理，可用于气泡室图像、 卫星照片的分析、以及高速公路、河流和指纹的识别。 2 2 3 模型分析法 基于模型的纹理分析方法首先确定纹理图像的解析模型并将每种纹理模型 1 3 第2 章纹理分析 用一个纹理特征参数集表示。确定了这组纹理特征参数也就确定了该纹理模型 的纹理特性。因此，基于模型的纹理分析的关键是准确估计模型的特征参数集。 纹理模型法认为一个象素与其邻域内的象素存在某种依赖关系，这种关系既可 以是线性的，也可以是服从某种条件概率的。常用的模型有联立自回归模型 ( s a r ) ，m a r k o v 随机场( m l u ) 模型，g i b b s 随机场模型等。 ( 1 ) 联立自回归模型( s a r ) s a r 通过象素的线性组合来反映图像中的象素与邻域象素问的线性依赖关 系。在s a r 模型中，对于每一个象素，可以将该象素与相邻象素的某种关系定 义为随机变量。比如设s 代表某个象素，其强度值g ( s ) 表示为它的相部象素强 度值的线性叠加与嗓音项e ( s ) 之