圖像特征選擇紋理分析ppt課件

1、 1 1引言引言 2 2統(tǒng)計法統(tǒng)計法 3 3自相關(guān)函數(shù)方法自相關(guān)函數(shù)方法 4 4傅立葉頻譜分析法傅立葉頻譜分析法 5 5灰度共生矩陣法灰度共生矩陣法 6 6灰度梯度共生矩陣法灰度梯度共生矩陣法 7 7紋理的句法結(jié)構(gòu)分析法紋理的句法結(jié)構(gòu)分析法1引言引言一、 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(jié)構(gòu)”。習(xí)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(nèi)的不同位置上，以不同的形變及不同的方向重復(fù)地出現(xiàn)的一種圖紋。 人工紋理是某種符號的有序排

2、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(fù)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。磚墻、布、云、動物皮毛、亂草、樹葉常見紋理圖案：(a)(b)圖： 人工紋理與自然紋理(a) 人工紋理； （b自然紋理 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(guān)屬性的統(tǒng)計分析出發(fā)，統(tǒng)計紋理特征。 2、結(jié)構(gòu)分析方法 從圖像結(jié)構(gòu)的觀點出發(fā)，認(rèn)為紋理是結(jié)構(gòu)。紋理分析應(yīng)該采用句法結(jié)構(gòu)方法，力求找出紋理基元，再從結(jié)構(gòu)組成探索紋理的規(guī)律或直接去探求紋理構(gòu)成的 結(jié)構(gòu)規(guī)律。三、 紋理描述和度量方法 1、統(tǒng)計法 2、結(jié)構(gòu)法 3、頻譜法 統(tǒng)計法利用灰度直方圖的

3、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(shè)(x, y)為圖像中的一點，該點與和它只有微小距離的點(x+x, y+y)的灰度差值為 ),(),(),(yyxxgyxgyxg g稱為灰度差分。設(shè)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g(x, y)取各個數(shù)值的次數(shù)， 由此便可以作出g(x, y)的直方圖。由直方圖可以知道g(x, y)取值的概率p(i)。 當(dāng)采用較小i值的概率p(i)較大時，說明紋理較粗糙；概率較平坦時，說明紋理較細(xì)。 該方法采用以下參數(shù)描述紋理圖像的特征： iipiCON)(2（2） 角度方向二階矩: iipASM

4、2)(（3） 熵: iipipENT)(lg)(（4平均值: iiipmMEAN)(1（1） 對比度：2統(tǒng)計法統(tǒng)計法 在上述公式中，p(i)較平坦時， ASM較小，ENT較大；若p(i)分布在原點附近，則MEAN值較小。 2. 行程長度統(tǒng)計法 設(shè)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(shù)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(shù)： （1） 長行程加重法： ngngngpngpnLRE,2),(),(當(dāng)行程長時，LRE大

5、。 （2） 灰度值分布： nggnngpngpGLD,2),(),(（3行程長度分布： nggnngpngpRLD,),(),(（4行程比： 2,),(NngpRPGng式中，N2為像素總數(shù)。 當(dāng)灰度行程等分布時，GLD最?。蝗裟承┗叶瘸霈F(xiàn)多，即灰度較均勻，則GLD大。 當(dāng)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。 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(jié)構(gòu)的空間重復(fù)周期有關(guān)，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(shù)值的紋理測度表示細(xì)紋理，大數(shù)值紋理測度表示粗紋

6、理。 用空間自相關(guān)函數(shù)作紋理測度的方法如下： 3自相關(guān)函數(shù)方法自相關(guān)函數(shù)方法設(shè)圖像為f (m, n)，自相關(guān)函數(shù)可由下式定義： wkwknwjwjmwkwknwjwjmnmfnmfnmfkjC2),(),(),(),( 上式是對2w+1）(2w+1)窗口內(nèi)的每一個像素點j ,k與偏離值為, =0, 1, 2, , T的像素之間的相關(guān)值進(jìn)行計算。一般紋理區(qū)對給定偏離, 時的相關(guān)性要比細(xì)紋理區(qū)高，因而紋理粗糙性與自相關(guān)函數(shù)的擴展成正比。自相關(guān)函數(shù)擴展的一種測度是二階矩， 即 ),(),(22kjCkjTkTjT付立葉功率譜紋理分析法的基本思想：付立葉變換：dxdyvyuxjyxfvuF2exp,

7、vuFvuFvuF,*2功率譜：4傅立葉頻譜分析法傅立葉頻譜分析法 功率譜的徑向分布與圖像f(x,y)空間域中的紋理的粗細(xì)程度有關(guān)。對于稠密的細(xì)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 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(zhì)是： (1) 傅立葉頻譜中突起的峰值對應(yīng)紋理模式的主方向; (2) 這些峰在頻域平面的位置對應(yīng)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。 0(a)S

8、()(b)0S()22 實際檢測中，為簡便起見可把頻譜轉(zhuǎn)化到極坐標(biāo)系中, 此時頻譜可用函數(shù)S(r, )表示，如上圖所示。對每個確定的方向， S(r, )是一個一維函數(shù)S(r)；對每個確定的頻率r，S(r, )是一個一維函數(shù)Sr()。對給定的，分析S(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()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(shù)對下標(biāo)求和可得到更為全局性的描述，即 )()(0rSrS)()(1RrrSS式中，R是以原點為中心的圓的半徑。 S(r)和S()構(gòu)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，

9、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(yīng)的頻譜示意圖 0(a)S()(b)0S()22 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(jìn)行統(tǒng)計調(diào)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。 灰度共生陣 p(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(dāng)?shù)剡x擇d，而 則取0,45,90,135度。 5灰度共生矩陣法灰度共生矩陣法例：已知圖像例：已知圖像(a),(a),當(dāng)當(dāng)d=1d=1時計算灰度共生矩陣時計算灰度共生矩陣 p(1,0 p(1,0)

10、)， p(1,45 p(1,45) )， p(1,90 p(1,90) )， p(1, p(1,) )。解：根據(jù)灰度共生矩陣的定義，對圖像中個像素點進(jìn)行解：根據(jù)灰度共生矩陣的定義，對圖像中個像素點進(jìn)行統(tǒng)計，統(tǒng)計相距為統(tǒng)計，統(tǒng)計相距為d d，方位為，方位為的點上灰度值為的點上灰度值為i i和和j j的像的像素對的數(shù)目素對的數(shù)目#i,j#i,j如下式：如下式：統(tǒng)計得4個灰度共生矩陣如圖(b),(c),(d),(e)所示： 由此可見，d,取不同的數(shù)值組合，可以得到不同情況下的灰度共生矩陣。 當(dāng)d 取值較小時，對應(yīng)于變化緩慢的紋理圖像較細(xì)的紋理），其灰度共生矩陣對角線上的數(shù)值較大；而紋理的變化越快，則

11、對角線上的數(shù)值越小，而對角線兩側(cè)上的元素值增大。 灰度共生矩陣并不能直接提供紋理信息，為了能描述紋理的狀況，需在灰度共生矩陣的基礎(chǔ)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。2.矩陣特點 (1)矩陣大小一幅圖像的灰度級數(shù)一般是256級，這樣級數(shù)太多會導(dǎo)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(shù)。p (3)對稱性(4)主對角線元素的作用(5)元素值的離散性典型的特征： 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。2,

12、ijdjipdE紋理粗時E值大，紋理細(xì)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。jikdjipkdIijk,23相關(guān)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。ijyyjixxijyjixyxijyxdjipjdjipidjipjdjipidjiijpdC,2222224 4熵：是圖像所具有的信息量的度量。若圖像沒有任何熵：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(xì)紋理多，則熵值較大。紋理，則熵值幾乎為零，若細(xì)紋理多，則熵值較大。,log,djipdjipdHii5 5局部

13、均勻性逆差矩局部均勻性逆差矩) )：,11,2djipjidLij 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(jié)合。圖像的梯度信息加進(jìn)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。 考慮一幅圖像 為避免太多的灰度級所帶來的巨大計算量，可將其灰度進(jìn)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灰度梯度共生矩陣法1,2,1 ,0,);,(Njijif1/),(,maxfLjifjiFf1,2, 1 ,0,);,(Njijig1/),(,maxgLjigjiGg 定義灰度-梯度共生矩陣： 定義為集合 且 中的元素數(shù)目，即灰度為x，梯度為y的總像素點數(shù)。1

14、, 2 , 1 , 0; 1, 2 , 1 , 0,);,(gfLyLxyxH),(yxHxjiFji),(),(1, 2 , 1 , 0,;),(NjiyjiG對灰度-梯度共生矩陣進(jìn)行歸一化處理，使其積元素之和為1。2.統(tǒng)計特征參數(shù)小梯度優(yōu)勢 21010),(),(),(),(NyxHyxHyxHyxHfgLxLy1010102101),() 1/(),(fgfgLxLyLxLyyxHyyxHT大梯度優(yōu)勢灰度分布不均勻性 梯度分布不均勻性 1010102102),(),(fgfgLxLyLxLyyxHyyxHT 1010102103),(),(fgfgLxLyLxLyyxHyxHT 1010

15、102104),(),(fggfLxLyLyLxyxHyxHT 在紋理的句法結(jié)構(gòu)分析中， 把紋理定義為結(jié)構(gòu)基元按某種規(guī)則重復(fù)分布所構(gòu)成的模式。為了分析紋理結(jié)構(gòu)，首先要描述結(jié)構(gòu)基元的分布規(guī)則， 一般可做如下兩項工作： 從輸入圖像中提取結(jié)構(gòu)基元并描述其特征； 描述結(jié)構(gòu)基元的分布規(guī)則。具體做法如下: 7紋理的句法結(jié)構(gòu)分析法紋理的句法結(jié)構(gòu)分析法 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(dá)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(dāng)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(jié)構(gòu)，可用樹狀文法產(chǎn)生一定的紋理并用句法加以描述。 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。圖： 紋理的樹狀描述及排列 ABABABABA紋 理 圖 像子 圖 像基 元第 二 級第 一 級0 0 1 0 00 0 1 0 01 1 1 1 10 0