（计算机应用技术专业论文）纹理图像统计及其应用研究.pdf

纹理图像统计及其应用研究：摘要 摘要 纹理是计算机视觉的一个重要研究方向。与纹理相关的诸多问题一直没有得到有效 的解决。纹理感知就是其中的一个基本问题之一。纹理感知研究可以帮助人类洞察基本 视觉机理，也是理解、分析和应用纹理的基础。基于对纹理图像及其纹理特征的统计分 析，本文从理论和实际应用的角度，对纹理感知以及与纹理感知相关的纹理分类与分割、 纹理生成、基于纹理的运动分割等问题做一些新的探索。本文的主要贡献如下： ( 1 ) 将纹理视为基本视觉元素的线性组合，并通过拓扑图格独立分量分析( t i c a ) 来 学习这些基本元素。由于采用矩阵表示，基本元素可用于表达所有纹理图像。在此基础 上，提出了一种提取视觉元的方法。视觉元是t i c a 学习得到的基本元素的代表，为研究 纹理所包含的知觉元素提供了一种视觉线索。不同视觉元的个数被称为纹理图像的内在 视觉维数。内在视觉维数越大，纹理图像呈现出更多的视觉模式。 ( 2 ) 通过t i c a 从观测纹理图像学习图像分离基，并将其转化为一组滤波器，实现了 一种无监督纹理分割算法。对比实验分析表明，该方法可取得满意的分割结果。 ( 3 ) 开展了对纹理图像集合整体性质的研究工作。通过t i c a 对图像进行了整体分析， 发现纹理图像与自然图像在整体属性上存在较大的差别。为“人类对于纹理识别中最重 要的三个测度为周期性，方向性和随机性”这一结论给出了一个统计学习的证据。基于 对纹理图像与自然图像之间既相区别又相联系的研究，提出了研究纹理图像知识的新方 法，即纹理图像本体理论。分析了纹理本体的研究任务、技术路线以及与上层本体即图 像本体之间的联系。 ( 4 ) 提出了一种新的标识纹理的方法。该方法充分利用“纹理是一种区域性特性”这 一共识，使用探测点确定观测纹理所在的主导区域，采用光谱聚类解决了其中的关键技 术。 ( 5 ) 通过无监督纹理分割实验证明了i c a 整合o a b o r 纹理特征的能力。整合后的特 征具有更好的可分性。 ( 6 ) 提出了采用控向金字塔作为桥梁传递统计信息算法，实现了有选择的统计信息 传输，生成了新的纹理图像。实验结果验证了该方法的有效性。 ( 7 ) 提出了一种基于在线高斯混合模型和纹理支持的运动检测算法。由于采用纹理 捕获序列图像结构特征，因而该算法对于亮度的局部变化具有较好的鲁棒性。 关键词：纹理感知，拓扑图格独立分量分析，独立分量分析，视觉元素，纹理图像本体， 纹理分割，纹理合成，运动分割，统计学 纹理图像统计及其应用研究：a b s t r a c t r e s e a r c ho nt e x t u r e i m a g e s t a t i s t i c sa n di t s a p p l i c a t i o n s s h i m i n gx i a n g ( c o m p u t e ra p p l i c a t i o nt e c h n o l o g y ) d i r e c t e db yp r o f e s s o rh u al i t e x t u r ei so n eo ft h em a i nr e s e a r c ht o p i c si nc o m p u t e rv i s i o n h o w e v e r , t h e r ee x i s tm a n y u n s o l v e dt e x t u r e r e l a t e dp r o b l e m s o n eo ft h o s eu n d e r l y i n gp r o b l e m si st e x t u r ep e r c e p t i o n ， t h es t u d yo ft h ev i s u a l p e r c e p t i o no ft e x t u r e c a nh e l pu st ob e t t e ru n d e r s t a n dt h eb a s i c m e c h a n i s m so fh u m a nv i s i o na n dt h ei m p a c to ft e x t u r ei t s e l f , a n da l s oi l l u m i n eu st od e v e l o p d e e p e r r e s e a r c h e so nt e x t u r e a n a l y s i s a n dt h e c o r r e s p o n d i n ga p p l i c a t i o n s b y v i r t u eo f s t a t i s t i c a la n a l y s e so nt e x t u r ei m a g ea n dt e x t u r ef e a t u r e s ，t h i st h e s i s ，i nb o t ht h et h e o r e t i c a l p e r s p e c t i v ea n d t h ep r a c t i c a lp e r s p e c t i v e ，p r o b e si n t ot h ev i s u a lp e r c e p t i o no ft e x t u r ea n ds u c h r e l a t e d p r o b l e m sa s t e x t u r ec l a s s i f i c a t i o n s e g m e n t a t i o n , t e x t u r es y n t h e s i s ，a n dt e x t u r e - b a s e d m o t i o ns e g m e n t a t i o n t h em a i nc o n t r i b u t i o n so ft h i st h e s i sa r es u m m a r i z e da sf o l l o w s ： ( 1 ) a t e x t u r ei nt h i st h e s i si st r e a t e da st h es u p e r p o s i t i o no ft h eb a s i cv i s u a le l e m e n t s ， w h i c ha r el e a r n e df r o mt h eo b s e r v e dt e x t u r ei m a g eb yt h et o p o g r a p h i c a li n d e p e n d e n t c o m p o n e n ta n a l y s i s ( t i c a ) t h o s e b a s i ce l e m e n t sa l ee x p r e s s e da sm a t r i c e s t h ef o r m o fm a t r i xf o rv i s u a le l e m e n th a st h ea b i l i t yt or e p r e s e n ta n yt y p eo fn a t u r a lt e x t u r e s b a s e do nt h el e a r n e dr e s u l t s , a na p p r o a c ho fe x t r a c t i n gv i s i t o n si sp r o p o s e d v i s i t o n s a r et h er e p r e s e n t a t i v e so ft h o s ev i s u a le l e m e n t si nt h eo b s e r v e dt e x t u r ei m a g e ，w h i c h p r o v i d eav i s u a lc u et or e s e a r c ht e x t u r ep e r c e p t i o n f u r t h e r , t h en u m b e r o fv i s i t o n si s d e f i n e da st h ei n t r i n s i cv i s u a ld i m e n s i o n t h el a r g e rt h ed i m e n s i o ni s ，t h em o r et h e v i s u a lp a t t e r n se m e r g e ( 2 ) a n e wm e t h o df o rt e x t u i es e g m e n t a t i o nb y u s i n gt h el e a r n e dt i c au n m i x i n g b a s e sa s f i l t e r si si m p l e m e n t e d e x p e r i m e n t so nm o s a i ct e x t u r ei m a g e ss h o wt h es e g m e n t i n g r e s u l t sa r es a t i s f a c t o r y ( 3 ) t h i st h e s i sd e v e l o p st h en e wr e s e a r c hd i r e c t i o na b o u tg l o b a lp r o p e r t i e so f t e x t u r e s b a s e do nt h ea n a l y s i so ft h eg l o b a lp r o p e r t i e s t h i st h e s i sf i n d st h a tt h e r ee x i t sd i s t i n c t d i f f e r e n c eb e t w e e nt e x t u r ei m a g e sa n dn a t u r a l i m a g e s i tp r o v i d e s ap r o o fi nt h e s t a t i s t i c a le a r n i n gp e r s p e c t i v ef o rt h ef a c tt h a tt h em o s ti m p o r t a n tm e a s u r e sf o rt e x t u r e p e r c e p t i o na r ep e r i o d i c i t y , d i r e c t i o n ，a n dr a n d o m n e s s b yv i r t u eo ft h es t u d yo nt h e r e l a t i o n s h i p sb e t w e e nn a t u r a li m a g e sa n dt e x t u r ei m a g e s ，o n t o l o g yi s i n t r o d u c e dt o a n a l y z et e x t u r ek n o w l e d g e t h er e s e a r c ht a s k s ，t h et e c h n i c a lr o u t e so f t e x t u r eo n t o l o g y , a n dt h e r e l a t i o n s h i pb e t w e e n i t sf a t h e ro n t o l o g ya r ea l s od i s c u s s e d ( 4 ) an o v e la l g o r i t h m o f i d e n t i f y i n g t e x t u r ei s p r o p o s e d b a s e do nt h ec o m m o n l y h 纹理图像统计及其应用研究：a b s t r a c t a p p r o b a t o r yp r o p e r t yo f t e x t u r et h a ts o m el o c a lo r d e ri sr e p e a t e do v e ra r e g i o n ，w h i c hi s l a r g ei nc o m p a r i s o nt o t h eo r d e r ss i z e t e x t u r ep r o b i n gi st ol o c a t et h ed o m i n a n t r e g i o n so fg i v e nt e x t u r e so n a l li m a g eb y p r o b i n gp o i n t s k e yt e c h n i q u e sf o rg r o u p i n g t h e p r o b i n gp o i n t s a r er e s o l v e db y u s i n gs p e c t r a lc l u s t e r i n g ( 5 ) t h ea b i l i t yo fi n d e p e n d e n tc o m p o n e n ta n a l y s i st oi n t e g r a t eg a b o rt e x t u r ef e a t u r e si s p r o v e nb ys e g m e n t i n gm o s a i cn a t u r a lt e x t u r ei m a g e su n s u p e r v i s e d l y t h ei n t e g r a t e d f e a t u r e sc a nb e s e p a r a t e df r o m e a c ho t h e r e a s i l yi nc o m p a r i s o n t ot h es o u r c ef e a t u r e s ( 6 ) b a s e do ns t e e r a b l ep y r a m i d ，am e t h o do ft r a n s f e r r i n gs t a t i s t i c a li n f o r m a t i o nb e t w e e n i m a g e si sp r o p o s e d t h ef r a m eo ft h ea l g o r i t h mc a nt r a n s f e rt h es e l e c t e ds u b b a n d i n f o r m a t i o nt ot h eo b j e c tt e x t u r e i m a g es 0a s t o g e n e r a t eav a r i e t yo fn e wt e x t u r e i m a g e s m o r e f l e x 如l y e x t e n s i v ee x p e r i m e n t a l r e s u l t ss h o wt h ee f f i c a c yo ft h e p r o p o s e d a l g o r i t h m ( 7 ) a m e t h o do ff a s tm o t i o ns e g m e n t a t i o ni sa l s op r o p o s e db a s e do nt h eo i l - l i n eg a u s s i a n m i x t u r em o d e la n dt h et e x t u r ef e a t u r e s b yu s i n gt e x t u r ef e a t u r e st od e s c r i b et h e s t r u c t u r a li n f o r m a t i o no fi m a g es e q u e n c e ，t h em e t h o di s v e r yr o b u s tt o t h el o c a l c h a n g e s o fi l l u m i n a t i o n k e y w o r d s ：t e x t u r ep e r c e p t i o n ，t o p o g r a p h i c a li n d e p e n d e n tc o m p o n e n ta n a l y s i s ，i n d e p e n d e n t c o m p o n e n ta n a l y s i s , v i s u a le l e m e n t ，t e x t u r ei m a g eo n t o l o g y , t e x t u r es e g r n e n t a t i o n ，t e x t u r e s y n t h e s i s ，m o t i o ns e g m e n t a t i o n ，s t a t i s t i c s i i i 声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得 的研究成果。就我所知，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。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t i j l 十意。 作者签名：坛尹眵咱 日期： 加。午s 孑 关于论文使用授权的说明 中国科学院计算技术研究所有权处理、保留送交论文的复印件，允许 论文被查阅和借阅；并可以公布论文的全部或部分内容，可以采用影印、 缩印或其它复制手段保存该论文。 作者签名：$ 挣r 倡导师签名： 日期：7 , - 0 0 红f 。歹。 锄1 毒 第一章结论 1 1 研究背景、目的和意义 第一章绪论 在自然界中存在着各种各样的物体。我们可通过“看”来了解周围世界究竟存在着 什么。我们看到的正是物体所呈现的基本视觉信息，如颜色、形状、纹理等。通过分析 和综合所观察到的这些信息，并借助直接或间接的经验知识使我们明确：我们正坐在电 脑面前，我们正在应用文字处理软件，。 图1 1 自然图像中包含着丰富的纹理信息( 图片取自新浪网) 图1 2 单个纹理对象 中国科学院博士学位论文一一纹理图像统计及其应用研究 这篇论文将研究纹理。纹理是构成现实世界的一个基本要素。自然界中的每种物质 形态都呈现出一定的纹理特性。图l 1 给出了三幅自然图像。草地、动物皮毛、服饰、 建筑等都包含着丰富的纹理信息( 见图1 2 ) 。 纹理( t e x t u r e ) 无处不在。各种不同的纹理通过一定的方式组合在一起构成了内容丰 富的自然世界。事实上，对纹理的视觉感知是人类知觉系统认识世界的重要手段。这正 是认知科学研究与实践所获得的共识。 计算机技术的发展促使认知科学提出了一个宏大的构想：用计算机模拟认知系统对 外部世界的感知能力。计算机视觉的产生注定要与纹理研究紧密相联。4 0 年的研究可谓 硕果累累。纹理主要应用于目标识别、遥感图像处理、医学图像处理、图像检索、生物 特征分析、艺术等诸多领域。 j u l e s z 等从1 9 6 0 8 0 年代针对纹理所作的一系列认知心理学实验及纹理统计分析 c a e l l i1 9 7 8 a ，c a e l l i1 9 7 8 b ，c a e l l i1 9 8 5 ，j u l e s z1 9 7 3 ，j u l e s z1 9 7 8 ，j u l e s z1 9 8 1l 表明，纹理 中存在最基本的单位，即纹元m x t o n ) 。也正是在这一时期，逐步形成了m a r r 计算视觉 理论 m a r r1 9 8 2 ，纹理被计算机视觉确定为基本的研究内容。同时形成了视觉心理学家、 环境生物学家、计算机科学家麸同研究纹理的局面 m a r r1 9 7 6 。 同是这一时期，人们对纹理作出了多种描述 h a w k i n s1 9 6 9 ，r i c h a r d s1 9 7 4 ，s k l a n s k y 1 9 7 8 ，t a m u r a1 9 7 8 ，z u c k e r1 9 8 1 ，t u c e r y a n1 9 9 8 】。至今，仍然不存在一个“广泛认可的严 格数学意义上的定义”。但是，过去几十年的积累使人们认识到： ( 1 ) 纹理是一个区域性特征，不能被处理成一个点过程： ( 2 ) 纹理中存在引起视觉感知的基本构成单元。 对于第一个共识，人们选择了正确的出发点。研究的主导思想是十分明朗的：为一 种或多种纹理寻找尽量显著的鉴别特征。这项持久的研究活动产生了众多的纹理分析方 法 d e w a e l e1 9 8 3 ，h a r a l i1 9 7 9 ，t a n1 9 9 3 ，t u c e r y a n1 9 9 8 ，v a ng o o l1 9 8 5 】。它们有着相同的 动力：解决纹理视觉感知( v i s u a lp e r c e p t i o no ft e x t u r e ) j u l e s z1 9 8 3 ，l a n d y2 0 0 3 、纹理分 类与分割( t e x t u r ec l a s s i f i c a t i o n s e g m e n t a t i o n ) t a n1 9 9 3 ，t u c e r y a n1 9 9 8 、纹理合成( t e x t u r e s y n t h e s i s ) h e e g e r1 9 9 5 】、基于纹理的形状恢复( s h a p ef r o mt e x t u r e ) 【b l o s t e i n1 9 8 9 ， t u c e r y a n1 9 9 8 ，w i t k i n1 9 8 1 等实际应用问题。 基本构成单元也称为基本视觉模式、视觉单元或视觉元素。但是，时至今日，与“基 本构成单元”相关的问题仍然期待人们去回答： ( 1 ) 自然界的纹理是多种多样的，基本的视觉单元是什么； ( 2 ) 如何描述基本单元： ( 3 ) 基本单元能否重构原始纹理。 z h u 等通过引入系综( e n s e m b l e ) 的观点和统计思想，对上述三个问题作了深入研究 g u o2 0 0 3 a ，g u o2 0 0 3 b ，w u2 0 0 0 ，z h u1 9 9 7 ，z h u2 0 0 0 ，z h u2 0 0 2 ，z h u2 0 0 3 a ，z h u2 0 0 3 b 】。 其出发点之一就是为这些描述性的论断寻找数学上可操作可解释的量化方法。这些工作 2 第一章结论 使我们意识到，在研究方法上可以首先求助于统计学。统计学具有坚实的理论基础和丰 硕的应用成果。一些新的方法也逐步被人们应用于视觉研究的其他方面。 针对z h u 等的工作，通过对隐含变量的描述和统计推断所获得的纹元并不能很好地 重建原有纹理( 见文献 z h u2 0 0 2 1 中的结果) 。另外，对于不可分纹理( 半随机性半结构性 纹理) ，对纹元的解释和提取仍然是相当棘手的问题。如何更简洁地提取和表述基本视 觉元素已成为一个新的学术问题。 随着理论研究的深入，新的应用问题不断产生。比如，如果将纹元视为一种描述视 觉知识的视觉词汇，应该采用怎样的方式来组织这些视觉知识。显然，这是一个值得研 究的方法论问题。又如，是否对纹理分割等实际应用提供新的思路。 与此同时，人们对自然图像作了广泛的调查研究。关于自然图像统计( n a t u r a li m a g e s t a t i s t i c s ) 的工作也取了较大的进展 s r i v a s t a v a2 0 0 3 1 。这些进展 s r i v a s t a v a2 0 0 3 1 使我们看 到统计学给视觉研究带来的强大推动力量。在这样的背景下，如下问题显得很有意义： 纹理图像在整体性质上是否有别于自然图像。 就个体而言，大多数自然图像由不同的纹理对象所构成f 见图1 1 ) 。但是两者所反映 的视觉信息是完全不同的。观测单一纹理对象构成的图像( 简称为简单纹理图像，见图 1 2 ) ，我们更多地感受到纹理模式的重复性，模式本身的结构性、方向性和随机性。观 测自然图像，我们却更多地感受到画面中存在的物体以及物体之间的相互关系。也就是 说明，我们知道画面中表现的主题内容。自然图像表现的主题更加直观、明确。可见， 研究自然图像和简单纹理图像之间的关系就显得十分重要。 这些问题的出现涉及到一个新的研究方向：纹理统计。纹理统计就是对纹理进行统 计分析，对纹理知识进行提取、分析、整理、应用等。本文旨在为解决或回答与上述论 述相关的问题作一些有意义的探索性工作。 1 2 研究的方法和技术路线 纹理研究的难点在于如何提取、描述和分析纹理所包含的视觉模式。从特征提取的 角度，就是如何提取和描述有效的鉴别特征。从方法论上讲，就是如何对这些特征加以 分析、综合和归类处理。我们将从系综的角度来研究。纹理系综( t e x t u r ee n s e m b l e ) 是具 有同一属性的一类纹理的集合。任何一个纹理，我们都将其视为纹理系综中的一个实例， 并通过统计学习获得纹理所包含的基本视觉模式。在应用统计学习的过程中，我们还会 将研究方法扩展至纹理分类与纹理分割、纹理特征整合、纹理合成等几个方面。 本文的研究对象包括：单幅纹理图像、由不同纹理图像组成的集合、视频图像序列 等。我们思考的问题是： ( 1 ) 无论是随机性纹理、结构性纹理和半结构性半随机性纹理【t u c e r y a n1 9 9 8 1 我们 首先把它视为一些潜在的基本视觉单元的线性组合，然后分析能否通过统计学习的方法 获得这些单元。 3 中国科学院博士学位论文一一纹理图像统计及其应用研究 ( 2 ) 针对这些基本单元，除了考察其能否重建原始纹理之外，是否还有一些其他的应 用。 ( 3 ) 在方法论上，是否可以引入本体理论【c a o2 0 0 2 ，g r u b e r1 9 9 3 】来研究纹理。 ( 4 ) 考察纹理特征在运动分割中的应用。 1 3 本文的组织结构和主要贡献 本文第二章分析了纹理研究的已有成果、研究现状、相关联的研究领域、未来的主 要研究方向和存在的主要问题。详细分析了关于纹元的研究方法、研究路径和存在的主 要问题。 第三章给出了本文应用的基本算法和基本技术。将它们作为背景知识进行介绍，主 要是避免在随后各章中对公式的重复引用以及对算法的重复描述，从而使本文在知识组 织上是自我包容的。 第四章至第七章是作者的主要工作。第四章首先引入一个关于纹理的线性生成模型， 通过独立分量分析 c a r d o s o1 9 8 9 ，h y v a r i n e n1 9 9 9 ，h y v i i r i n e n2 0 0 0 a ，h y v i i r i n e n2 0 0 0 b ，l e e 2 0 0 2 ，m a n d u c h i1 9 9 9 从统计意义上求解这一模型，发现了图像基的一些基本性质，并由 此分析图像基的应用。这些工作引导了本章关于纹理图像整体性质的研究。进一步，本 章还开展了纹理图像本体论方面的研究工作。 第五章是关于纹理分割的工作，包含两部分内容。首先介绍了一个新的标识纹理的 方法，即纹理探测。随后通过独立分量分析对g a b o r 纹理特征进行整合，并将其作为新 特征进行无监督纹理分割。 第六章是关于纹理生成的内容。首先介绍了冰裂纹的合成算法，然后介绍了基于控 向金字塔实现统计信息传递的算法。 第七章介绍了基于在线高斯混合模型和纹理支持的运动检测算法。 本文的主要贡献是： ( 1 ) 将纹理视为一些基本模式的线性组合，并通过拓扑图格独立分量分析 ( t o p o g r a p h i ci n d e p e n d e n tc o m p o n e n ta n a l y s i s ，t i c a ) 来提取这些基本模式。由于基本模式 采用矩阵数据表示，因而可以适用于所有纹理图像。基本模式就是可视化混台基。将可 视化基的代表定义为纹理中的基本视觉元素，简称为视觉元。提出了一种基于纹理图像 分离基的图像分割算法，分析了纹理图像基在纹理合成、纹理类型划分中的应用。( 第 四章) ( 2 ) 通过t i c a 对图像进行整体分析，发现纹理图像与自然图像在整体属性上存在较 大的差别。为“人类对于纹理识别中最重要的三个测度为周期性，方向性和随机性”这 一结论给出了一个统计学习的证据。纹理图像与自然图像之间存在固有的联系。这些分 析促使我们提出了研究纹理图像知识的新方法，即纹理图像本体理论。分析了纹理本体 的研究任务、技术路线以及与上层本体即图像本体之间的联系。( 第四章) 4 第一章结论 ( 3 ) 提出了一种新的标识纹理的方法，称为纹理探测。纹理探测充分利用纹理区域 性特性，使用探测点确定纹理所在的主导区域。( 第五章) ( 4 ) 通过无监督纹理分割实验证明了独立分量分析( i n d e p e n d e n tc o m p o n e n ta n a l y s i s ， i c a ) 整合g a b o r 纹理特征的能力。整合后的特征具有更好的可分性。( 第五章) ( 5 ) 通过控向金字塔作为图像间统计信息的传递桥梁，实现有选择的统计信息传输， 生成了新的纹理图像。( 第六章) ( 6 ) 提出了一种基于在线高斯混合模型和纹理支持的运动检测算法，该算法对于局 部亮度变化具有较好的鲁棒性。( 第七章) 5 第二章纹理研究概述 2 1 纹理研究的基本方向 第二章纹理研究概述 2 1 1 关于纹理定义的研究 在纹理研究中，给纹理下定义一直是一个难题。一些典型的定义如下f t u c e r y a n 1 9 9 8 】： ( 1 ) 纹理是通过宏观区域来表现的，纹理呈现的结构性是由于基本模式的重复出现 所引起的。模式由基本元素或基本单元构成，并按一定的放置规则在空间进行排列 【t a m u r a1 9 7 8 。 ( 2 ) 如果图像内区域的局域统计特征或其他一些图像的局域属性变化缓慢或呈近似 周期性变化，则可称为纹t 受 s k l a n s k y1 9 7 8 。 ( 3 ) 纹理通过基元的个数和类型以及它们在空间的排列关系进行描述。纹理的一个 基本的特征是：如果不存在一个关于基元的描述性框架或没有关于基元的隐含框架作为 参考，纹理的特性将无法得到分析 h a r a l i c k1 9 7 9 1 。 ( 4 ) 纹理被定义为一个区域属性，区域内的成分不能进行枚举，且成分之间的相位 关系不十分明确 r i c h a r d s1 9 7 4 1 。 ( 5 ) 纹理由三个基本属性来描述。其一，某些局部的模式( 即告知，o r d e r ) 在一个区域 内重复，并且相比较而言，这个区域要大于模式本身的大小；其二，模式包含基本部分 的非随机排列；其三，构成模式的基本部分在区域内的任何位置呈现大致相同的外观 【h a w k i n s1 9 6 9 】。 ( 6 ) 纹理反映了图像中象素亮度变化的一种趋势。它是自然景物对人类的视觉感知 系统产生刺激的产物，而这种刺激反映了亮度的一种平稳变化 b o v i k1 9 9 0 。 ( 7 ) 纹理是人类视觉在不同距离、不同角度和尺度对同一或不同景物的一种感知体 现。在任何距离下，这种感知体现具有一定的规律性。纹理就是这种规律性的体现 c h a u d h u r i1 9 9 5 。 上述诸定义都是基于特定应用背景的，并不被人们广泛接受。其中的共识是： ( 1 ) 纹理中存在引起视觉感知的基本构成单元； 但) 纹理是一个区域性特征，不能被处理成一个点过程； ( 3 ) 纹理是人们对外界景物规律性的一种感知体现【张建国，2 0 0 2 ； ( 4 ) 纹理表现象素在局部区域内亮度或颜色整体变化的一种相关关系： ( 5 ) 在不同的尺度和不同的分辨率下，同一景物在人类的知觉系统中呈现出的纹理特 征不尽相同。在大尺度下有些纹理更具有平稳性 t u c e r y a n1 9 9 8 ，张建国2 0 0 2 。 7 中国科学院博士学位论文一一纹理图像统计及其应用研究 随着对纹理感知研究的不断深入，人们已明确了许多基本思路。z h u 等对纹元及构 造层次关系的统计学习成为近几年纹理感知研究的亮点【z l l u2 0 0 2 。 2 1 2 纹理分析的主要方法 。 纹理分析是理论研究的核c , l a 容，是应用研究的支持方法。纹理分析方法可分为基 于统计的方法、基于模型的方法和基于结构的方法 h a r a l i1 9 7 9 ，t a n1 9 9 3 ，t u c e r y a n1 9 9 8 ， v a ng o o l1 9 8 5 ，张建国2 0 0 2 1 。 基于统计的方法将纹理属性描述为一个随机变量，并计算其统计量。主要的统计量 有 h a r a l i1 9 7 9 ，t a n1 9 9 3 ，t u c e r y a n1 9 9 8 ，v a ng o o l1 9 8 5 ，张建国2 0 0 2 1 ：灰度共生矩阵 ( g r a yl e v e lc o - o c c u r a n c cm a t r i x ) 、矩( m o m e n t ) 、自相关函数0 u t o c o r r e l a t i o nf u n c t i o n ) ，等 等。 结构分析方法研究纹理单元( 纹理元素) 的几何性态，如单元密度、面积、周长、 偏心度、方向、延伸度、幅度、紧支性、欧拉数、矩等f 章毓晋1 9 9 9 ，张建国2 0 0 2 。 其中，形态分析也起重要作用f 章毓晋1 9 9 9 。另外，不变性分析是近几年研究得较多的 方向。 模型分析方法将纹理描述为统计学、统计物理学、信号分析、信息论等学科中相应 的概率模型、物理模型或一系列基函数的线性生成模型，然后用相应的模型分析方法研 究纹理特性。常用的模型有：马尔柯夫随机域模型( m a r k o vr a n d o mf i e l d ，m r f ) i c r o s s 1 9 8 3 ，h a s s n e r1 9 8 0 】、w o l d 分解 f r a c o s1 9 9 3 ，l i u1 9 9 6 、自回归模型( s i m u l t a n e o u s a o t o r e g r e s s i v em o d e l ) m a o1 9 9 2 】、多通道g a b o r 滤波器( m u l t i c h a n n e l g a b o rf i l t e r b a n k ) 【d u n n1 9 9 4 ，j a i n1 9 9 1 ，m a n j u n a t h1 9 9 6 ，r a n d e n1 9 9 9 ，w e l d o n1 9 9 6 、控向金字塔 ( s t e e r a b l ep y r a m i d ) f r e e m a n1 9 9 1 、小波变换( w a v e l e tt r a n s f o r m a t i o n ) c h a n g1 9 9 3 ，c h i t r e 1 9 9 9 u n s e r1 9 9 5 等。 就普遍性而言，统计方法、基于模型的方法( 特剐是信号分析方法) 在实际应用中 脱颖而出t u c e r y a n1 9 9 8 。纹理分析需要做更深入的研究工作。 2 1 3 纹理分类与分割方法 纹理分类是要将单个纹理对象从给定的图像集合中分离出来。纹理分割走得更远， 其任务是确定单个象素所属的纹理类别。基于纹理分析所提供的特征，分类与分割还需 要完成如下工作：特征选择、特征整合和聚类分析【孙即祥2 0 0 1 】。 特征选择的任务是从给定特征中求出那些对分类识别最显著的特征，从而有效地实 现特征空间维数的压缩。通常使用如下方法或原则边肇祺2 0 0 0 ，孙即祥2 0 0 1 ，郑南宁 1 9 9 8 1 ：类别可分判据( c l a s s i f i a b i l i t yc r i t e r i o n ) 、最小错判准则( n l l e o fm i n i m a le r r o r p r o b a b i l i t y ) 、f i s h e r 鉴别准m l l ( d i s c r i m i n a n tr u l e ) 、决策界分析( d e c i s i o nb o u n d a r y ) 、主元分 析方法( p r i n c i p a lc o m p o n e n ta n a l y s i s ，p c a ) j o l l i f f e1 9 8 6 】、回归建模方( r e g r e s s i v e m o d e l i n 曲、神经网络方法( n e u r o nn e t w o r k ) 。近几年，独立分量分析方法( i n d e p e n d e n t r 第二章纹理研究概述 c o m p o n e ta n a l y s i s ，i c a ) c a r d o s o1 9 8 9 ，h y v 萏i , - i n e n 1 9 9 9 ，h y v i i r i n e n2 0 0 0 a ，h y v a f i n e n 2 0 0 0 b ，l e e2 0 0 2 ，m a n d u c h i1 9 9 9 也开始用于特征选择。同时，多特征选择问题也受到了 广泛的关注 f r e u n d1 9 9 7 ，王涛2 0 0 3 1 。 特征整合的任务是如何有效地应用同一纹理的多性态特征。比如b o o s t i n g 方法f t i e u 2 0 0 0 。 聚类( c l u s t e r i n g ) 是根据特征实现类属判定。在分类器设计中经常使用的方法是：近 邻法( n e i g h b o rm a p ) 边肇祺2 0 0 0 、矢量量化( v e c t o rq u a n t i z a t i o n ) p a n1 9 9 6 、爬山法( m e a n s h i f t ) 【c o m a n i c i u2 0 0 2 ，z o n g1 9 9 6 、神经网络( n e u r a ln e t w o r k ) 【郑南宁，1 9 9 8 、支持向量 机( s u p p o r t v e c t o r m a c h i n e ，s v m ) i k i m2 0 0 2 b ，v a p n i ，2 0 0 0 1 、光谱聚类( s p e c t r a l c l u s t e r i n 曲 n g2 0 0 1 ，等等。 彩色纹理分割也得到了研究p a n j w a n i1 9 9 3 1 。 纹理分类与分割仍没有得到有效解决。 2 1 4 纹理合成 纹理合成是当前的研究热点，产生了大量的合成算法。纹理合成起源于计算机图形 学中的纹理映射。当一个小纹理片映射到一个大物体上时，会拉伸和扭曲图像。另外， 当纹理以重复的方式叠加于物体表面时，会产生拼接裂缝。这些算法痕迹引起不真实的 效果。通过生成所需尺寸的图像，纹理合成可以方便地解决这一问题。 过去人们一直采用过程纹理( p r o c e d u r a lt e x t u r es y n t h e s i s ) 合成方法 t u r k1 9 9 1 。该方 法能合成逼真的纹理，但其缺点也是十分明显的：参数众多且不通用。基于样图的纹理 合成方法通用且简单。 纹理合成的任务是：给定一块样本纹理，合成一块相似的新纹理 h e e g e r1 9 9 5 ，l i a n g 2 0 0 1 ，w e i2 0 0 0 。合成的准则是：其一，合成纹理要与样本纹理有“足够”的不同性； 其二，从视觉上看，二者“永远”服从相同的潜在的随机模型 d e b o n e t l 9 9 7 ，l i a n 9 2 0 0 1 ， w e i 2 0 0 0 。第一个准则约束合成结果，第二个准则限定了纹理的种类，h 口属于平稳的马 尔柯夫随机过程( s t a t i o n a r ym a r k o vs t o c h a s t i cp r o c e s s ) 【c r o s s ，1 9 8 3 ，h a s s n e r1 9 8 0 ，p a g e t 1 9 9 6 ，p a g e t1 9 9 8 。纹理合成的样本来自于一个潜在的纹理系综 z h u2 0 0 0 , w u2 0 0 0 。系 综是对一类纹理现象的物理描述。合成过程可采用两种不同的途径：基于特征空间的全 局统计 b a r j o s e p h2 0 0 1 ，d e b o n e t1 9 9 7 ，h e e g e r1 9 9 5 ，p o r t i l l a1 9 9 9 ，p o r t i l l a2 0 0 0 和匹配局 部条件概率密度函数 a s h i k h m i n2 0 0 1 ，