纹理特征提取方法

1、图像纹理特征提取方法Texture Description报告人：王龙Chapter 01 ContentChapter 02Chapter 03Chapter 04 概述图像纹理描述方法纹理描述的应用总结Chapter 01 概述Definition2 尚无一个被广泛接受的定义；3 图像灰度或色彩在空间上的变化或重复；4 组成纹理的基本元素称为纹理基元或纹元。1 纹理是一种普遍存在的视觉现象；1定义分类Type21 自然纹理（水纹、木纹、草地等）2 人工纹理（砖墙、织物、棋盘格等）3 混合纹理性质Properties31 纹理有粗糙性、方向性、周期性、 纹理强度、密度等描述参量；2 纹理描述

2、是尺度相关的；3 纹理特征可以通过色调和结构来描述。Chapter 02图像纹理描述方法分类一般要拼爹统计方法结构方法信号处理方法模型方法灰度共生矩阵灰度游程矩阵灰度梯度矩阵自相关函数Tamura纹理特征局部二进制模式（LBP）离散余弦变换傅里叶变换Laws纹理测量Gabor变换小波变换马尔科夫随机场（MRF）Gibbs随机场（GRF）同步自回归 (SAR)分形自相关句法纹理分析数学形态学a灰度共生矩阵 ,#,= ,; ,0,1,2,1P i j dx y f x yi f x dx y dyj x yN数学表达式：a灰度共生矩阵a灰度共生矩阵二阶统计量（1）角二阶矩或能量它是图像纹理灰度变化

3、均一的度量,反映了图像灰度分布均匀程度和纹理粗细度。a灰度共生矩阵（2）对比度对比度是灰度共生矩阵主对角线附近的惯性矩, 它度量矩阵的值是如何分布和图像的局部变化, 反映了图像的清晰度和纹理的沟纹深浅。灰度共生矩阵二阶统计量a灰度共生矩阵（3）相关相关度量空间灰度共生矩阵元素在行或列方向上的相似程度, 相关值大小反映了图像中局部灰度相关性。灰度共生矩阵二阶统计量a灰度共生矩阵（4）熵熵度量图像纹理的随机性。当共生矩阵中所有值均相等时, 它取得最大值; 相反, 如果共生矩阵中的值非常不均匀时, 其值较小。灰度共生矩阵二阶统计量a灰度共生矩阵（5）逆差矩逆差距反映的是矩阵中大值元素到主对角线的集中

4、程度,逆差矩越大,说明大值元素越集中。灰度共生矩阵二阶统计量灰度游程矩阵b在粗纹理上，由于灰度变化平缓，所以灰度游程长度较长；而在细纹理中,灰度值突变较多,导致短游程较多。灰度游程矩阵b灰度游程矩阵b(1)长游程因子：灰度游程矩阵b(2)灰度的均匀特性：灰度游程矩阵b(3)短游程因子：公式对不同的游程一长度赋予不同的权值，短游程权值大，长游程权值小。灰度游程矩阵b(4)游程总数的百分比：c局部二进制模式（LBP）c修正统计变换（MCT）c修正统计变换（MCT）c实验结果（a）原始图像（b）LBP算法处理后图像（c）MCT算法处理后图像dGabor变换Gabor函数可以在频域不同尺度、不同方向上

5、提取相关特征。dGabor变换2222222()expexp(i)exp()22uvxkkxygky其中：22cossin2xvuyvuvvukkkkkkukdGabor变换其中：Laws纹理测量eLaws纹理能量度量通过估计纹理中的平均灰度级、边缘、斑点、波纹以及波形来确定纹理属性。度量由三个简单的向量得出：Laws纹理测量e将这些向量与它们自身以及互相卷积后，产生5个向量：Laws纹理测量e通过把Laws掩膜和纹理图像卷积并计算能量统计量，就可以得出用于纹理描述的一个特征量。fTamura纹理特征1978年, 根据人类对纹理视觉感知的心理学研究,Tamura等人提出了纹理特征的表达。Tamura纹理特征的六个分量对应心理学角度上纹理特征的6种属性, 分别是粗糙度( coarseness)、对比度( contrast)、方向( directionality)、线性度( linearity)、规整度( regularity) 和粗略度( roughness)。Tamura纹理特征要比灰度共生矩阵得到的纹理特征更直观，在视觉效果上更有优势。马尔科夫随机场（MRF）gChapter 03纹理描述的应用目标识别与分析纹理合成运动分析图像检索1234