纹理分析与合成.ppt

CV:Texture 第八章 纹理分析与合成 Chapter 8 Texture Analysis and Synthesis 包含多个纹理区域的图象 8.1 纹理（Texture） 纹理是一种普遍存在的视觉现象，目前对于纹理的精确定义还未形成统一认识，多根据应用需要做出不同定义． 两种较常采用的定义： 定义1 按一定规则对元素（elements）或基元（primitives）进行排列所形成的重复模式. 定义2 如果图像函数的一组局部属性是恒定的，或者是缓变的，或者是近似周期性的，则图象中的对应区域具有恒定的纹理． 纹理 纹理的基本特征 纹理是区域属性，并且与图像分辨率（或称尺度，resolution or scale）密切相关 纹理分析与合成 纹理分析(analysis): 纹理分类(classification)、纹理分割(segmentation)、从纹理恢复形状(shape from texture). 纹理合成(synthesis): 由基元合成纹理图像. 图形绘制(graph rendering)、图像压缩(image compression)、纹理分析. 纹理分割与分类 纹理分割 确定图像中纹理的边界。 纹理分类 确定纹理区域或图像的类别. 8.2 纹理分析与合成方法 统计方法（statistical methods） 利用纹理在空间上的灰度分布特性： 灰度级同现矩阵，自相关函数 结构方法（structural methods） 利用基元排列成纹理的规则性： 基元特征，基元组合规则 纹理分析与合成方法 基于模型的方法(modal based methods) 一幅纹理图像是一类参数模型的实例： Markov (Gibbs) 随机场，分形(fractal) 信号处理方法(signal processing methods) 根据纹理的周期性，采用滤波方法处理： 空域滤波、频域滤波（Fourier变换，Gabor变换，小波变换） 8.3 统计方法 研究纹理在空间上的灰度分布特征 灰度级同现矩阵（grey level co-occurrence matrices，GLCM） 自相关性函数（autocorrelation function） 用下式表示一幅 图像 8.3.1 灰度级同现矩阵 对于具有G个灰度级的图像，受位移矢量 控制的灰度级同现矩阵 是一个 的矩阵，矩阵行列表示各个灰度级，矩阵元素 反映两种灰度在相距一定距离的位置上同时出 现的次数，具体按下式计算： 灰度级同现矩阵 例1 灰度级同现矩阵 例2 灰度级同现矩阵 请计算 基于灰度级同现矩阵的纹理特征 灰度级同现矩阵在一定程度上反映了纹理图像中各灰度级在空间上的分布特性 如果灰度级同现矩阵集中于对角线上，则对应位移矢量接近于该纹理中基元的排列规则． 在灰度级同现矩阵的基础上，可定义多种纹理特征. 纹理分析领域中广为人知和最经常采用的特征之一. 灰度级同现矩阵的问题与发展 问题 缺乏选择位移矢量的有效方法. 发展 自适应多尺度灰度级同现矩阵 (adaptive multi-scale GLCM)：种子区域增长 基于遗传算法的GLC特征提取 (genetic algorithm based GLC feature extraction): 用遗传算法实现高斯加权优化 8.3.2 自相关函数 图像自相关(autocorrelation)函数 ： 自相关函数 自相关函数与Fourier变换存在联系 自相关函数可在频域中计算，而且效率更高. 8.4 结构方法 认为纹理基元的规则排列构成纹理，根据基元来分析与合成纹理 两种策略： 1. 计算各个基元的统计特征，作为纹理特征，如平均强度、面积、周长、方向、离心率… 2. 基于基元组合规则分析与合成纹理：图模型、树文法等等 主要问题是纹理基元的提取 多尺度LoG滤波 8.5 基于模型的方法 建立纹理图像的参数模型，用于表示与合成纹理． 纹理合成主要采用基于模型的方法． 主要问题是估计模型参数，使根据模型合成的纹理图像逼近原纹理图像. 两种模型 Markov随机场（Markov random field, or Gibbs random field ） 分形（fractal） 8.5.1 Markov随机场 图像建模的重要工具，应用广泛． (J. Besag, 1974) 预备知识（标