纹理特征提取方法

图像纹理特征提取方法TextureDescription报告人：王龙Chapter01ContentChapter02Chapter03Chapter04概述图像纹理描述方法纹理描述的应用总结Chapter01概述Definition…2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Type…21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Properties…31纹理有粗糙性、方向性、周期性、纹理强度、密度等描述参量；2纹理描述是尺度相关的；3纹理特征可以通过色调和结构来描述。Chapter02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灰度共生矩阵定义：从灰度为𝑖的像素点出发，距离为(𝑑𝑥,𝑑𝑦)的另一个像素点的灰度为𝑗的概率;,,#,,=,,;,0,1,2,,1PijdxyfxyifxdxydyjxyN数学表达式：式中，𝑑是用像素数量表示的相对距离；𝜃一般考虑四个方向，分别为0°，45°，90°，135°；#表示集合；𝑖,𝑗=0,1,2,⋯,𝐿−1；(𝑥,𝑦)为图像中的像素坐标，𝐿为图像灰度级的数目。a灰度共生矩阵0002002211231123𝑀(45°)=2130121031020020𝑀(135°)=4100122002410010𝑀(90°)=6020042022220020𝑀(0°)=4210240010610002a灰度共生矩阵——二阶统计量（1）角二阶矩或能量𝐴𝑆𝑀=𝑃(𝑖,𝑗|𝑑,𝜃)2𝑗𝑖它是图像纹理灰度变化均一的度量,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𝐶𝑂𝑁=𝑖−𝑗2𝑃(𝑖,𝑗|𝑑,𝜃)𝑗𝑖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𝐶𝑂𝑅=𝑖−𝜇𝑥𝑗−𝜇𝑦𝑃𝑖,𝑗𝑑,𝜃/𝜎𝑥𝜎𝑦𝑗𝑖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。𝜇𝑥=𝑖𝑃(𝑖,𝑗|𝑑,𝜃)𝑗𝑖𝜇𝑦=𝑗𝑃(𝑖,𝑗|𝑑,𝜃)𝑖𝑗𝜎𝑥=(𝑖−𝜇𝑥)2𝑃(𝑖,𝑗|𝑑,𝜃)𝑗𝑖𝜎𝑦=(𝑗−𝜇𝑦)2𝑃(𝑖,𝑗|𝑑,𝜃)𝑖𝑗灰度共生矩阵——二阶统计量a灰度共生矩阵（4）熵𝐸𝑁𝑇=−𝑃𝑖,𝑗𝑑,𝜃𝑙𝑜𝑔𝑃𝑖,𝑗𝑑,𝜃𝑗𝑖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𝐿(𝑑,𝜃)=11+𝑖−𝑗2𝑃(𝑖,𝑗|𝑑,𝜃)𝑗𝑖逆差距反映的是矩阵中大值元素到主对角线的集中程度,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灰度游程长度：在𝜃方向上，距离为d的相同灰度级像素个数。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。设𝑀𝜃灰度游程矩阵，其第𝑔行第𝑙列的元素𝑚𝑔𝑙表示图像中在𝜃方向上灰度为𝑔，游程长度为𝑙的灰度串所出现的总次数（包括灰度点本身）。灰度游程矩阵b0023121023133310𝑀(45°)=4403000100100000𝑀(135°)=4435000100000000𝑀(90°)=2433100100000000𝑀(0°)=4133000101000000灰度游程矩阵b设𝑁𝑔为图像的灰度级数,𝑁𝑙为图像的灰度游程数,则纹理描述可用的矩阵统计量有以下几种:(1)长游程因子：公式对不同的游程长度赋予不同的权值，短游程权值小，长游程权值大。𝑅𝐹1值越大表明长游程数目越多。𝑅𝐹1=(𝑙2𝑚𝑔𝑙)𝑁𝑙𝑙=1𝑁𝑔𝑔=1𝑚𝑔𝑙𝑁𝑙𝑙=1𝑁𝑔𝑔=1灰度游程矩阵b(2)灰度的均匀特性：当图像的游程长度近似服从均匀分布时，由于灰度分布不均匀，𝑅𝐹2值最小，当图像的某游程长度出现越多时，𝑅𝐹2的值越大。𝑅𝐹2=（𝑚𝑔𝑙𝑁𝑙𝑙=1）2𝑁𝑔𝑔=1𝑚𝑔𝑙𝑁𝑙𝑙=1𝑁𝑔𝑔=1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。𝑅𝐹3=𝑚𝑔𝑙𝑙2𝑁𝑙𝑙=1𝑁𝑔𝑔=1𝑚𝑔𝑙𝑁𝑙𝑙=1𝑁𝑔𝑔=1灰度游程矩阵b(4)游程总数的百分比：其中，𝑃代表的是游程长度为1的总游程数，即像素的总个数。𝑅𝐹4=𝑚𝑔𝑙𝑁𝑙𝑙=1𝑁𝑔𝑔=1𝑃c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变换是短时𝑭𝒐𝒖𝒓𝒊𝒆𝒓变换中窗函数为高斯函数的一种特殊情况。Gabor函数可以在频域不同尺度、不同方向上提取相关特征。𝐺𝑎𝑏𝑜𝑟变换本质是对二维图像求卷积。dGabor变换二维𝐺𝑎𝑏𝑜𝑟函数表示为：2222222()expexp(i)exp()22uvxkkxygky其中：22cossin2xvuyvuvvukkkkkkuk𝑣的取值决定了𝐺𝑎𝑏𝑜𝑟滤波的波长，𝑢的取值表示𝐺𝑎𝑏𝑜𝑟核函数的方向，𝑘表示总的方向数。参数𝜎𝑘决定了高斯窗口的大小，这里取𝜎=2𝜋。dGabor变换二维𝐺𝑎𝑏𝑜𝑟函数表示为：其中：𝑣的取值决定了𝐺𝑎𝑏𝑜𝑟滤波的波长，𝑢的取值表示𝐺𝑎𝑏𝑜𝑟核函数的方向，𝑘表示总的方向数。参数𝜎𝑘决定了高斯窗口的大小，这里取𝜎=2𝜋。𝑔𝑢𝑣=𝑘2𝜎2exp−𝑘2(𝑥2+𝑦2)2𝜎2∙exp𝑖𝑘∙𝑥𝑦−𝑒𝑥𝑝−𝜎22𝑘=𝑘𝑥𝑘𝑦=𝑘𝑣𝑐𝑜𝑠𝜑𝑢𝑘𝑣𝑠𝑖𝑛𝜑𝑢𝑘𝑣=2−𝑣+22𝜋𝜑𝑢=𝑢𝜋𝑘方向（𝑢）尺度(𝑣)例：5尺度8方向卷积核(𝑣=0,1,⋯,4;𝑢=0,1,⋯,7)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：𝐿3=1,2,1表示平均；𝐸3=−1,0,1计算一阶微分（微分）𝑆3=−1,2,−1对应于二阶微分（斑点）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：𝑆5=−1,0,2,0,−1𝑅5=1,−4,6,−4,1𝐿5=1,4,6,4,1𝐸5=−1,−2,0,2,1𝑊5=−1,2,0,−2,−1Laws纹理测量e这些向量的相互乘积，把第一项作为列向量，第二项作为行向量，产生5×5的Laws掩膜。例如：𝐿5𝑇×𝑆5=−1−4−6−4020−1080−40120−6080−4−1020−1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）gChapter03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1234Chapter04总结选择哪种方法？（平稳纹理图像与非平稳纹理图像）不止一种方法！More…多方法融合；1234图像纹理特征提取方法TextureDescription报告人：王龙