图像特征介绍经典特征

21
图像纹理的主要特性及描述与提取 方法
图像纹理特征描述与提取方法
模型分析法
模型分析方法根据每个像素和其邻域像素存在的某种相互关系及平均 亮度为图像中各个像素点建立模型，然后由不同的模型提取不同的特征 量，也即进行参数估计。 典型的模型分析法有自回归方法、马尔可夫随机场方法和分形方法等。 本方法的研究目前进展比较缓慢。
20
图像纹理的主要特性及描述与提取 方法
图像纹理特征描述与提取方法
结构分析法
结构分析方法认为纹理基元几乎具有规范的关系，因而假设纹理图像 的基元可以分离出来, 并以基元的特征和排列规则进行纹理分割。 该方法根据图像纹理小区域内的特点和它们之间的空间排列关系，以 及偏心度、面积、方向、矩、延伸度、欧拉数、幅度周长等特征分析图像 的纹理基元的形状和排列分布特点，目的是获取结构特征和描述排列的规 则。结构分析法主要应用于已知基元的情况，对纤维、砖墙这种结构要素 和规则都比较明确的图像分析比较有效。
24
基于灰度共生矩阵的纹理特征提取方法
1、灰度共生矩阵的概念和定义
设纹理图像的大小为 M N ，图像的灰度级为 L 。若 记
G {0,1, , L 1} ， Lx {0,1 , ,M 1 }， Ly {0,1, , N 1} ，
L y 到G 的一个映射，也即
则可把该图像 f 理解为从 L x
Lx Ly 中的每一个像素点对应一个属于该图像 f 的灰度值：
f : Lx Ly G 。
25
基于灰度共生矩阵的纹理特征提取方法
1、灰度共生矩阵的概念和定义
若设纹理图像的像素灰度值矩阵中任意两不同像素的灰度 值分别为i 和j ，则该图像的灰度共生矩阵定义为：沿 方向、 像素间隔距离为 d 的所有像素对中，其灰度值分别为i 和j 的 像素对出现的次数，记为[ P(i, j, d, )]。P(i, j, d, ) 显然是像素间 隔距离为 生成方向
d
、方向为
的灰度共生矩阵中第i 行第j 列的元素。
一般取0°、45°、90°和135°四个方向的值。
26
基于灰度共生矩阵的纹理特征提取方法
1、灰度共生矩阵的概念和定义
对于不同的 ，其灰度共生矩阵的元素定义如下：
k m 0, | l n | d P(i, j, d ,0 ) # ((k, l ), (m, n)) ((Lx Ly ) (Lx Ly )),
11 11
图像纹理的概念和分类
图像纹理的分类
从纹理的组成规律角度分类： 确定性纹理(规则的或结构的) ：纹理是由纹理基元按 某种确定性的规律组成的。
人工织物中的5个不同区域的纹理
12
图像纹理的概念和分类
图像纹理的分类
从纹理的组成规律角度分类： 随机性纹理(不规则的) ：纹理是由纹理基元按某种统 计规律组成的。
10
图像纹理的概念和分类
几个具有代表性的图像纹理定义
定义1 纹理是一种反映图像中同质现象的视觉特征，体现了物体表 面共有的内在属性，包含了物体表面结构组织排列的重要信息以及它们与 周围环境的联系。 定义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，则可称为纹理。 定义3 纹理就是指在图像中反复出现的局部模式和它们的排列规则。 定义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， 且成分之间的相互关系不十分明确。 定义5 纹理是一种反映像素的空间分布属性的图像特征，通常表现 为局部不规则而宏观有规律的特性。 定义6 纹理具有三大标志：某种局部序列性不断重复、非随机排列 和纹理区域内大致为均匀的统一体。
8
纹理
纹理通常被用来描述物体的表面特征，诸如地形、 植被、沙滩、砖墙、岩石、纺织布料、毛质、皮 质、墙纸、各种台面等。 纹理是一种十分重要的图像特征，它不仅反映了图 像的灰度统计信息，而且反映了图像的空间分布 信息和结构信息，在模式识别、图像分割与识别、 计算机视觉中具有广泛的应用前景。
9 9
图像纹理的概念和分类
P(i, j, d,45 ) #((k, l),(m, n)) ((Lx , Ly ) (Lx Ly )), k m d, l n d or k m d, l n d
P(i, j, d ,90 ) # ((k , l ), (m, n)) ((Lx Ly ) (Lx Ly )), | k m | d, l n 0
缺点
不能很好地捕捉图像中对象的局部特征
6 6
颜色矩
颜色矩是以数学方法为基础的，通过计算矩来描述颜色的分布。 颜色矩通常直接在RGB空间计算 颜色分布的前三阶矩表示为(Pij是j个像素的第i个颜色分量) 一阶矩（10-1） :颜色分量的平均强度 二阶矩（10-2） :颜色分量的方差 三阶矩（10-3） :颜色分量的偏斜度
23
基于灰度共生矩阵的纹理特征提取 方法
灰度共生矩阵法(Grey Level Co-occurrence Matrix ，GLCM)也称为联合概率矩阵法，是一种基于图像中某一 灰度级结构重复出现的概率来描述图像纹理信息的方法。 该方法用条件概率提取纹理的特征，通过统计空间上 具有某种位置关系（像素间的方向和距离）的一对像素的 灰度对出现的概率构造矩阵，然后从该矩阵提取有意义的 统计特征来描述纹理。灰度共生矩阵可以得到纹理的空间 分布信息。
(b)人工地砖
(c)堆积的食物
(d)合成的水浪
13
图像纹理的概念和分类
图像纹理的分类
从纹理的形成原因角度分类： 人工纹理：人工纹理一般由线段、星号、三角形、矩 形、圆、某种字母数字等符号有规律地排列组成。人工 纹理属于确定性纹理。
(a)人工织物
(b)人工地砖
(c)堆积的食物
(d)合成的水浪
14
图像纹理的概念和分类
细纹理
粗纹理
16
图像纹理的概念和分类
包含多个纹理区域的图象
17
图像纹理的主要特性及描述与提取 方法
图像纹理的主要特性
粗糙度
纹理的粗糙度与纹理基元的结构及尺寸，以及纹理基元的空间重复周 期有关。纹理基元的尺寸大则意味着纹理粗糙，其尺寸小则意味着纹 理细致；纹理基元的空间周期长意味着纹理粗糙，周期短则意味着纹 理细致。粗糙度是最基本、最重要的纹理特征。从狭义的观点来看， 纹理就是粗糙度。
i
1 N
1 N
N j 1
N j 1
Pij
1 2
i
( Pij
i
)2
1 3
si
1 N
N
( Pij
j 1
i
)3
7
颜色直方图
一个灰度级在范围[0，L-1]的数字图像的直方图 是一个离散函数 p(rk)= nk /n n 是图像的像素总数 nk是图像中灰度级为rk的像素个数 rk 是第k个灰度级，k = 0,1,2,…,L-1
2 2
什么称之为好的特征
特征的特点
表征能力（representative ability) 能够全面、有效的表达事 物的特点 辨别能力（discriminant ability） 事物本质的、核心的、区 别于其他事物的能力，同类的更相似，不同类的更相异 特征与特征之间的冗余性(redundancy)小，特征之间可以互 相补充信息等等。
3 3
一些容易混淆的概念
特征提取：feature extraction starts from an initial set of measured data and builds derived values (features) intended to be informative and nonredundant, facilitating the subsequent learning and generalization steps, and in some cases leading to better human interpretations. Feature extraction is related to dimensionality reduction. 特征选择：In machine learning and statistics, feature selection, also known as variable selection, attribute selection or variable subset selection, is the process of selecting a subset of relevant features (variables, predictors) for use in model construction.
4 4
经典图像特征介绍
经典特征
颜色特征 纹理特征 形状特征 空间关系特征 ……
5 5
特征提取——颜色特征
颜色特征总结
全局特征，描述了图像或图像区域所对应景物的表面 性质 颜色特征反映彩色图像的整体特性,一幅图像可以用它 的颜色特性近似描述 颜色矩,颜色直方图
优缺点
优点
不受图像旋转和平移变化的影响，归一化可不受图像尺度变 化的影响
图像纹理的分类
从纹理的形成原因角度分类： 自然纹理：自然纹理是自然景物所呈现的部分重复性 的结构，例如砖墙、沙滩、草地等。自然纹理也属于随 机性纹理。
（a）砖墙
（b）卵石墙
（c）草
（d）花
15
图像纹理的概念和分类
图像纹理的分类
从图像的纹理模式角度分类： 粗纹理：纹理细粒间具有较大的重复模式。 细纹理：纹理细粒间具有较小的重复模式。
18
图像纹理的主要特性及描述与提取 方法
图像纹理的主要特性
规则性
纹理的规则性是指纹理基元是否按照某种规则（规律）有序的排列。 如果纹理图像（或图像区域）是由某种纹理基元按某种确定的规律排 列而形成，则称为规则性纹理；如果纹理图像（或图像区域）是由某 种纹理基元随机性的排列而形成，则称为非规则性纹理。
图像特征介绍——经典特征
图像特征分类方法
分类方法（列举三种，还有其他）
经典特征：颜色特征、纹理特征、形状特征（特点：直观） 新特征：SIFT特征、HOG特征、SURF特征、GIST特征（特点：有 相对复杂的提取方式），基于深度学习的特征… 局部特征： SIFT特征、HOG特征、SURF特征 全局特征：颜色直方图特征、灰度共生矩阵特征、GIST特征 底层特征： 所有直接提取自图像的特征都可以称为底层特征 中层特征：介于底层特征与语义特征之间的，经过模型的逐层提 取得到的 语义特征：有直接的语义含义的，或者直接和语义相关的
P(i, j, d,135 ) #((k, l),(m, n)) ((Lx Ly ) (Lx , Ly )), k m d, l n d or k m d, l n d
方向性
某个像素点的方向性是指该像素点所在的邻域所具有的方向性。所 以，纹理的方向是一个区域上的概念，是在一个大的邻域内呈现出的 纹理的方向特性。比如，斜纹织物具有的明显的方向性，就是从一个 大的邻域内的统计特性角度表现出的纹理特征的方向性。根据纹理自 身的方向性，纹理可分为各向同性纹理和各向异性纹理。
图像纹理的概念
在自然景物中，类似于砖墙那种的具有重复性结构 的图案可以看作是一种纹理。 在图像中，由某种模式重复排列所形成的结构可看 作是纹理。图像纹理反映了物体表面颜色和灰度的某种 变化，而这些变化又与物体本身的属性相关。 从宏观上看，纹理是物体表面拓扑逻辑的一种变化 模式；从微观上看，它由具有一定的不变性的视觉基元 （通称纹理基元）组成。不同物体表面的纹理可作为描 10 述不同区域的一种明显特征。
22
图像纹理的主要特性及描述与提取 方法
图像纹理特征描述与提取方法
频谱分析法
频谱分析方法又称为信号处理法和滤波方法。该方法是将纹理图像从 空间域变换到频率域，然后通过计算峰值处的面积、峰值与原点的距离平 方、峰值处的相位、两个峰值间的相角差等，来获得在空间域不易获得的 纹理特征，如周期、功率谱信息等。 典型的谱分析法有二维傅立叶（变换）滤波方法、Gabor（变换）滤 波变换和小波方法等。
19
图像纹理的主要特性及描述与提பைடு நூலகம் 方法
图像纹理特征描述与提取方法
统计分析法
统计分析法又称为基于统计纹理特征的检测方法，主要包括灰度直方 图法、灰度共生矩阵法、灰度行程长度法、灰度差分统计、交叉对角矩阵、 自相关函数法等。 根据小区域纹理特征的统计分布情况，通过计算像素的局部特征分析 纹理的灰度级的空间分布。统计分析法对木纹、沙地、草地这种完全无法 判断结构要素和规则的图像的分析很有效。 该类方法的优势是方法简单、易于实现，尤其是灰度共生矩阵法是公 认的有效方法。