图像处理和识别中的纹理特征和模型

纹理特征和模型

1,基于纹理谱的纹理特征

图像纹理分析中，最重要的问题是提取能够描述纹理的特征信息； 这些特征可被用来分 类和描述不同的纹理图像。在实际中常用到的方法有结构法和统计法； 本文提出一种新的统

计方法，每个纹理单元表征该位置及其领域象素的特征， 整幅图像的纹理特征用纹理谱来表

征，用这种方法进行分析较为简单。

定义纹理谱：纹理单元的频率分布。 基于纹理频谱的纹理特征：

3×3领域:

Σ s(i)-S(3281 + i)

--- *100

Σ S(i)

反映频谱的对称性，不随纹理单元中起始计数位置的不同而不同。 (2) 、几何对称性

∑ Sj(i)-Sj+4(i)∣]

*100 2*∑ Sj(i)

反映图像旋转180度后，纹理谱的相似性;

(3) 、方向度

权重:

Λ■

-

口7

Sl

Orig inal (1)、黑白对称性

-

BWS=I -

1 GS= 1—Σ 4

reference

calculate by myself

I

Σ Sm(i)—Sn(i) DD = 1—1

送

------------------------------

*100

6

2* E Sm(i)

反映线性结构的角度。 大的DD 说明纹理谱对图像的方向模式较为敏感； 像中有线

性机构纹理单元存在。

以上三个特征都是图像的几何特征，可描述原始图像的宏观纹理；下面介绍几个描 述图像微观纹理的特征。

(4) 、方向特征 微观水平结构特征：

MHS S(i)* HM (i)

HM (i) = P(a,b,c)* P(f,g,h)

同样，我们可以得到其它方向的方向纹理特征

(5) 中心对称性

CS =為 S(i)*[ K(i)]2

2 .常用统计特征：

把图像看成是一个二维随机过程的一次实现，可得到图像的直方图、均值、方差、 偏度、峰度、能量、墒、自相关、协方差、惯性矩、绝对值、反差分等特征量。常用来 描述纹理的统计特征的技术有子相关函数、功率谱、正交变换、灰度级同时事件、灰度 级行程长、灰度级差分、滤波模板、相对极值密度、离散马尔可夫随机场模型、自回归 模型、同时自回归模型等。

原图:

即图

MVS ，MDS1，MDS2

1、2、3、4 阶矩

1、一维统计特征

1.1、一维直方图为：

N(I)

P ⑴I = 1 , 2，…L-1

M

M为象素总数，N(I)为灰度值为I的象素数，I = 度级。

1.2、均值

I Λ

i = ∖I* p I)

I =O

1.3、方差

I 二

2 _ 2

二八(I -I) * P(I)

I =Q

直方图相对于均值的分布，是灰度对比度的度量，对平滑程度。

1.4、偏度

1 IA- 3

I b 二一3、(I -I) * P(I)

I =Q

直方图相对于均值的对称性。

1.5、峰度

1 I」

I f =丁、(I -I)4* p(I)-3

I =Q

直方图的相对平坦性。

1.6、能量

I」

2

I n 八[P(I)]

I =0

1.7、墒

I 4

Is …log(P(l))* P(I)

I =Q 1 , 2,…L-1为图像的灰可用来描述直方图的相

2、二维统计特征

设(ι√),(⅛,0两任意像素点的灰度值分别为,flk,l),则联合分布密度可表示为

Λ⅛ω=pσσ√)=∕b/(W)-ω

其中，/扉2均为0到L之间的灰度级。

1) 二维直方图。二维直方图可表示为

M

其中，M为像素总数，Ngh)表示两事件∕α,∕)≡⅛∕(⅛√) = ∕2同时发生的事

件数。

2) 自相关

£-1 Λ-l

Lh = Z Y l hhPih f12)(4.2.3.9)

∕I≡O∕2∙O

3) 协方差

LC = £ ±3-∕ι)(∕2-∕2)P(∕ι√2)

(4.2.3.10

)

/I-0/2-0

4) 惯性矩

Δ-l L-I

Λg = ∑X(∕1√2)2PW2)(4.23.11)

∕l=O∕2=0

(4.23.8)

5) 绝对值

6) 反差分

7) 能总

8) 爛

.-I J

4∕≈XX∣∕∣-Z2∣P(∕I√2)

∕UO∕3∙0

Λ-l /.-I

^=ΣΣ

∕l∙0∕2-0

PeJ2)_・

+ (∕ι-∕2)2

/.-I —I

^ = ∑∑t p^b)l2

/I-0/2-0

(4.2.3.12)

(4.23.13)

(4.2 3.13)

厶=£ p(/』)ι°g[ps∕)]

(4.2.3.14)

/1^0/2-0

3.共生矩阵。以上讨论没有利用像素间的位賈佶息•利用像素间相对位

胃的空间信息•可以建立区域灰度共纶矩阵•设Q为目标区域/?中具有某种空

间联系的像索对的集合，则共生矩阵可定义为

—八 "{[gp)∙(X22)]W0∣ /(XlJ) =和&/(JO丿2)= "}

P(ZU2) =2>"),g 冋也

上式中分子为灰度值分别为血和，2的像素对的个数•分母为像素对总和；0中的元索之问具有某种空间位置关系。例如.相距〃个像素、方向相差θ角•共生矩阵反映了图像灰度分布关于方向、局部邻域和变化幅度的综合信息，基于共生矩阵P可以定文几个常用的纹理描述符：

1）能Jft （纹理二阶矩〉

2)爛

/1 /?

Z = -Eyn)Iog 尸(必)

•• /2(4.2.5.8) (4.2.5.9)

3)对比度

S茨（心）Wa(4.2.5.10)

/1 /?

4)局部均匀性

Ul+ 1 ∕ι - /21

(4.2.5.11)

"表示图像的平滑性•图像为均匀分布时."达到故小值；给出了图像随机性的度履.当图像为均匀分布时，Ee达到最大；3较大时，表明近邻像素间有较大的反差。

(425•刀