圖像特征選擇紋理分析

圖像特征選擇紋理分析第1頁，課件共39頁，創(chuàng)作于2023年2月第2頁，課件共39頁，創(chuàng)作于2023年2月§1引言一、紋理特征紋理(Tuxture)一詞最初指纖維物的外觀。字典中對紋理的定義是“由緊密的交織在一起的單元組成的某種結構”。習慣上，把圖像中這種局部不規(guī)則的，而宏觀有規(guī)律的特性稱之為紋理。因此，紋理是由一個具有一定的不變性的視覺基元，通稱紋理基元，在給定區(qū)域內的不同位置上，以不同的形變及不同的方向重復地出現(xiàn)的一種圖紋。人工紋理是某種符號的有序排列，這些符號可以是線條、點、字母等，是有規(guī)則的。自然紋理是具有重復排列現(xiàn)象的自然景象，如磚墻、森林、草地等圖案，往往是無規(guī)則的。第3頁，課件共39頁，創(chuàng)作于2023年2月磚墻、布、云、動物皮毛、亂草、樹葉常見紋理圖案：第4頁，課件共39頁，創(chuàng)作于2023年2月(a)(b)圖：人工紋理與自然紋理(a)人工紋理；（b）自然紋理第5頁，課件共39頁，創(chuàng)作于2023年2月二、紋理分析方法1、統(tǒng)計分析方法憑人們的直觀印象，即從圖像有關屬性的統(tǒng)計分析出發(fā)，統(tǒng)計紋理特征。2、結構分析方法從圖像結構的觀點出發(fā)，認為紋理是結構。紋理分析應該采用句法結構方法，力求找出紋理基元，再從結構組成探索紋理的規(guī)律或直接去探求紋理構成的結構規(guī)律。第6頁，課件共39頁，創(chuàng)作于2023年2月三、紋理描述和度量方法1、統(tǒng)計法2、結構法3、頻譜法統(tǒng)計法利用灰度直方圖的矩來描述紋理，可分為灰度差分統(tǒng)計法和行程長度統(tǒng)計法。1.灰度差分統(tǒng)計法設(x,y)為圖像中的一點，該點與和它只有微小距離的點(x+Δx,y+Δy)的灰度差值為

第7頁，課件共39頁，創(chuàng)作于2023年2月

gΔ稱為灰度差分。設灰度差分的所有可能取值共有m級，令點(x,y)在整個畫面上移動，累計出gΔ(x,y)取各個數值的次數，由此便可以作出gΔ(x,y)的直方圖。由直方圖可以知道gΔ(x,y)取值的概率pΔ(i)。

當采用較小i值的概率pΔ(i)較大時，說明紋理較粗糙；概率較平坦時，說明紋理較細。

第8頁，課件共39頁，創(chuàng)作于2023年2月該方法采用以下參數描述紋理圖像的特征：（2）角度方向二階矩:（3）熵:（4）平均值:（1）對比度：§2統(tǒng)計法在上述公式中，pΔ(i)較平坦時，ASM較小，ENT較大；若pΔ(i)分布在原點附近，則MEAN值較小。第9頁，課件共39頁，創(chuàng)作于2023年2月2.行程長度統(tǒng)計法設點(x,y)的灰度值為g，與其相鄰點的灰度值也可能為g，統(tǒng)計出從任一點出發(fā)沿θ方向上連續(xù)n個點都具有灰度值g這種情況發(fā)生的概率，記為p(g,n)。在同一方向上具有相同灰度值的像素個數稱為行程長度。由p(g,n)可以定義出能夠較好描述紋理特征的如下參數：（1）長行程加重法：當行程長時，LRE大。第10頁，課件共39頁，創(chuàng)作于2023年2月第11頁，課件共39頁，創(chuàng)作于2023年2月（2）灰度值分布：（3）行程長度分布：（4）行程比：式中，N2為像素總數。當灰度行程等分布時，GLD最??；若某些灰度出現(xiàn)多，即灰度較均勻，則GLD大。當灰度各行程均勻，則RLD小，反之像素灰度行程長短不均勻，則RLD大。第12頁，課件共39頁，創(chuàng)作于2023年2月紋理常用它的粗糙性來描述。例如，在相同的觀看條件下，毛料織物要比絲織品粗糙。粗糙性的大小與局部結構的空間重復周期有關，周期大的紋理粗。這種感覺上的粗糙與否不足以定量紋理的測度，但可說明紋理測度變化傾向。即小數值的紋理測度表示細紋理，大數值紋理測度表示粗紋理。用空間自相關函數作紋理測度的方法如下：§3自相關函數方法第13頁，課件共39頁，創(chuàng)作于2023年2月設圖像為f(m,n)，自相關函數可由下式定義：第14頁，課件共39頁，創(chuàng)作于2023年2月上式是對（2w+1）×(2w+1)窗口內的每一個像素點（j,k）與偏離值為ε,η=0,±1,±2,…,±T的像素之間的相關值進行計算。一般紋理區(qū)對給定偏離（ε,η）時的相關性要比細紋理區(qū)高，因而紋理粗糙性與自相關函數的擴展成正比。自相關函數擴展的一種測度是二階矩，即第15頁，課件共39頁，創(chuàng)作于2023年2月付立葉功率譜紋理分析法的基本思想：付立葉變換：功率譜：§4傅立葉頻譜分析法第16頁，課件共39頁，創(chuàng)作于2023年2月功率譜的徑向分布與圖像f(x,y)空間域中的紋理的粗細程度有關。對于稠密的細紋理，功率譜沿徑向的分布比較分散；對于稀疏的粗紋理，功率譜往往比較集中于原點附近；對于有方向性的紋理，功率譜的分布將偏置于與紋理垂直的方向上。紋理圖像傅立葉功率譜第17頁，課件共39頁，創(chuàng)作于2023年2月頻譜法借助于傅立葉頻譜的頻率特性來描述周期的或近乎周期的二維圖像模式的方向性。常用的三個性質是：(1)傅立葉頻譜中突起的峰值對應紋理模式的主方向;(2)這些峰在頻域平面的位置對應模式的基本周期;(3)如果利用濾波把周期性成分除去，剩下的非周期性部分可用統(tǒng)計方法描述。第18頁，課件共39頁，創(chuàng)作于2023年2月實際檢測中，為簡便起見可把頻譜轉化到極坐標系中,此時頻譜可用函數S(r,θ)表示，如上圖所示。對每個確定的方向θ，S(r,θ)是一個一維函數Sθ(r)；對每個確定的頻率r，S(r,θ)是一個一維函數Sr(θ)。對給定的θ，分析Sθ(r)得到的頻譜沿原點射出方向的行為特性；對給定的r，分析Sr(θ)得到的頻譜在以原點為中心的圓上的行為特性。如果把這些函數對下標求和可得到更為全局性的描述，即式中，R是以原點為中心的圓的半徑。第19頁，課件共39頁，創(chuàng)作于2023年2月

S(r)和S(θ)構成整個圖像或圖像區(qū)域紋理頻譜能量的描述。圖9-13(a)、(b)給出了兩個紋理區(qū)域和頻譜示意圖，比較兩條頻譜曲線可看出兩種紋理的朝向區(qū)別，還可從頻譜曲線計算它們的最大值的位置等。紋理和對應的頻譜示意圖第20頁，課件共39頁，創(chuàng)作于2023年2月

1.灰度共生矩陣法（聯(lián)合概率矩陣法）是對圖像的所有像素進行統(tǒng)計調查，以便描述其灰度分布的一種方法。此方法是圖像灰度的二階統(tǒng)計量，是一種對紋理的統(tǒng)計分析方法?；叶裙采噋(d,)定義為從灰度為i的點離開某個固定的位置（相距d，方向為)的點上灰度為j的概率。往往適當地選擇d，而

則取0,45,90,135度。§5灰度共生矩陣法第21頁，課件共39頁，創(chuàng)作于2023年2月例：已知圖像(a),當d=1時計算灰度共生矩陣

p(1,0°)，p(1,45°)，p(1,90°)，p(1,135°)。解：根據灰度共生矩陣的定義，對圖像中個像素點進行統(tǒng)計，統(tǒng)計相距為d，方位為的點上灰度值為i和j的像素對的數目#{i,j}如下式：第22頁，課件共39頁，創(chuàng)作于2023年2月統(tǒng)計得4個灰度共生矩陣如圖(b),(c),(d),(e)所示：第23頁，課件共39頁，創(chuàng)作于2023年2月第24頁，課件共39頁，創(chuàng)作于2023年2月由此可見，d,取不同的數值組合，可以得到不同情況下的灰度共生矩陣。當d

取值較小時，對應于變化緩慢的紋理圖像（較細的紋理），其灰度共生矩陣對角線上的數值較大；而紋理的變化越快，則對角線上的數值越小，而對角線兩側上的元素值增大?；叶裙采仃嚥⒉荒苤苯犹峁┘y理信息，為了能描述紋理的狀況，需在灰度共生矩陣的基礎上再提取能綜合表現(xiàn)灰度共生矩陣狀況的紋理特征量，稱為二次統(tǒng)計量。第25頁，課件共39頁，創(chuàng)作于2023年2月2.矩陣特點(1)矩陣大小一幅圖像的灰度級數一般是256級，這樣級數太多會導致計算灰度共生矩陣大，計算量大。為了解決這一問題，在求灰度共生矩陣之前，常壓縮為16級。(2)歸一化令(i,j)=p(i,j)/R

R--正規(guī)化常數。第26頁，課件共39頁，創(chuàng)作于2023年2月(3)對稱性(4)主對角線元素的作用(5)元素值的離散性第27頁，課件共39頁，創(chuàng)作于2023年2月典型的特征：1）角二階矩(能量)：是圖像灰度分布均勻性的度量。由于是灰度共生矩陣元素值的平方和，也稱為能量。紋理粗時E值大，紋理細時E值小。2）慣性矩（對比度):圖像的對比度可以理解為圖像的清晰度。在圖像中，紋理的溝紋越深，則其對比度I越大，圖像越清晰。第28頁，課件共39頁，創(chuàng)作于2023年2月3）相關性：用來衡量灰度共生矩陣的元素在行的方向或列的方向的相似程度。第29頁，課件共39頁，創(chuàng)作于2023年2月4）熵：是圖像所具有的信息量的度量。若圖像沒有任何紋理，則熵值幾乎為零，若細紋理多，則熵值較大。5）局部均勻性（逆差矩)：第30頁，課件共39頁，創(chuàng)作于2023年2月

1.灰度梯度共生矩陣法是灰度直方圖和邊緣梯度直方圖的結合。圖像的梯度信息加進灰度共生矩陣，使得共生矩囝更能包含圖像的紋理基元及其排列的信息?？紤]一幅圖像為避免太多的灰度級所帶來的巨大計算量，可將其灰度進行正規(guī)化處理：計算圖像的梯度圖像并正規(guī)化：§6灰度梯度共生矩陣法第31頁，課件共39頁，創(chuàng)作于2023年2月定義灰度-梯度共生矩陣：定義為集合且中的元素數目，即灰度為x，梯度為y的總像素點數。第32頁，課件共39頁，創(chuàng)作于2023年2月對灰度-梯度共生矩陣進行歸一化處理，使其積元素之和為1。2.統(tǒng)計特征參數小梯度優(yōu)勢

第33頁，課件共39頁，創(chuàng)作于2023年2月大梯度優(yōu)勢灰度分布不均勻性梯度分布不均勻性

第34頁，課件共39頁，創(chuàng)作于2023年2月在紋理的句法結構分析中，把紋理定義為結構基元按某種規(guī)則重復分布所構成的模式。為了分析紋理結構，首先要描述結構基元的分布規(guī)則，一般可做如下兩項工作：①從輸入圖像中提取結構基元并描述其特征；②描述結構基元的分布規(guī)則。具體做法如下:

§7紋理的句法結構分析法第35頁，課件共39頁，創(chuàng)作于2023年2月首先把一張紋理圖片分成許多窗口，也就是形成子紋理。最小的小塊就是最基本的子紋理，即基元。紋理基元可以是一個像素，也可以是4個或9個灰度比較一致的像素集合。紋理的表達可以是多層次的，如圖9-15(a)所示，它可以從像素或小塊紋理一層一層地向上拼合。當然，基元的排列可有不同規(guī)則，如圖9-15(b)所示，第一級紋理排列為ABA，第二級排列為BAB等，其中A、B代表基元或子紋理。這樣就組成了一個多層的樹狀結構，可用樹狀文法產生一定的紋理并用句法加以描述。第36頁，課件共39頁，創(chuàng)作于2023年2月第37頁，課件共39頁，創(chuàng)作于2023年2月紋理的樹狀安排可有多種方法。第一種方法如下圖(c)所示，樹根安排在中間，樹枝向兩邊伸出，每個樹枝有一定的長度。