数字图像分析第6章

第三部分

图象物体的特征分析和描述第六章 纹理分析第七章 结构分析第八章 景物分析（以及图象序列分析）纹理和结构特征分析往往用于描述和识别单个物体或物体的某个部分的。景物分析用于描述物体群组成的景物或三维物体。图象序列分析研究运动图象。检测运动，估计运动参量。图象识别的一般过程图象分割特征抽取分类输入图象输出类别物体图象特征向量X1X2..XN第六章纹理分析

（TextureAnalysis）某种纹理基元按不同方式的组合，总体上表现为对象表面的一种纹理特征。诸如：方向性、粒子粗细、表面粗糙或光洁、散布形式、变化快慢等。计算机数字分析的任务是研究关于景物纹理特征的定量分析和解释并获得有效的纹理度量。一般说，图象纹理是指一种反复出现的局部模式和它们的排列规则。很多纹理可以分解成众多的纹理基元（局部模式），这些基元的排列往往有一定的规则，并且反复出现。纹理分析方法频率域基于变换域的纹理特征分析(6.1)离散富利叶变换（DFT）纹理分析离散余弦变换（DCT）纹理分析

空间域纹理能量法（6.2）共发矩阵(6.3)

分形方法(6.4)

形态学方法(7.4)（6.5举例说明纹理分析在图象分类中的应用）6.1基于DFT和DCT的纹理特征分析6.1.1离散傅立叶变换（DFT）纹理分析1、二维傅立叶变换的空间特征2、典型图象的频谱特征3、纹理度量6.1.2离散余弦变换（DCT）纹理分析1、DCT的特点2、纹理特征度量6.1.1离散傅立叶变换(DFT)纹理分析1、二维傅立叶变换的空间特征图象可以看成一系列基元图的加权和：基元图（基图象）有实部与虚部，是二维周期图象,周期的大小和方向与u,v的值有关。沿i方向周期变化，在垂直于i方向无变化。周期基图象是正弦（余弦）变化的。变化方向：变化波长：考察xu+yv=Nn的轨迹：

Y=-(u/v)x+(N/v)n其变化具有周期性

余弦条纹图2、典型图的频谱DFT图例DFT图例DFT图例3、纹理度量(纹理特征的定量表示)

注意要选择反映纹理的子图象（窗口）尺寸。由二维幅度图推出以下用极坐标表示的一维谱：环特征 楔特征 水平条垂直条上述特征集的极大值、均值和方差等可作为一些测度。6.1.2离散余弦变换(DCT)纹理分析1、DCT的特点(与DFT的频谱特征类似)图象若表现为方向性的条纹，那么其频谱在垂直其条纹的方向一般会有较大的值。杂乱分布的图象，其频谱除基频附近外，很少在某一方向出现强峰。变化缓慢的图象，频谱分量中高频分量很小或为零。变化频繁的图象，频谱中高频分量相对较大。2、纹理度量纹理能量度量ENERGY方向性度量DIR粗细度度量FIN方向分散度度量频率分散度度量特征(8×8)ENERGYDIRFIN均值方差区域A9.0000.41434.91268.887.50区域B13.6250.43869.747138.2235.44区域C15.6880.47463.452206.0913.40ABC例环特征

楔特征

输入楔特征峰的个数N

纹理的空间域分析方法纹理能量法(6.2)共发矩阵(6.3)分形方法(6.4)形态学方法(7.4)6.2纹理能量法6.2.1单位面积灰度变化总量 和图象的自相关函数6.2.2纹理的匹配滤波法6.2.3图象灰度梯度方向矩阵6.2.1单位面积灰度变化总量

和图象的自相关函数1、单位面积灰度变化总量单位面积内各种纹理能量的总和。它用某一个子图象区域内灰度的方差来表征。是该区域内灰度的均值，在子图象区域（窗口）内取值2、图象的自相关函数

自相关函数随的大小而变化，与图象中纹理粗细的变化有着对应的关系。数字距离为零时，图象的自相关函数达到最大值。纹理较粗的图自相关函数随着距离的增加而下降的速度比较慢；反之下降的速度比较快。纹理图象自相关函数会呈现某种周期性变化，这种周期性可以反映纹理基元的排列规则，如稀疏、稠密程度。通过的每一点对自相关函数求梯度大小、方向可以得到自相关函数变化的快慢和方向。6.2.2纹理的匹配滤波法匹配滤波器采用窗口卷积来进行通常先确定最基本的一维窗口由一维窗口延伸卷积后获得二维的窗口再旋转获得不同角度的二维匹配滤波窗口几个基本的一维窗: L3=（121）

E3=（-101）

S3=（-12-1）由基本窗口作卷积，延伸其长度，得到匹配于某种纹理的一维窗口：平均灰度（Level）＝（14641）边缘（Edge） ＝（-1-2021）点（Spot） ＝（-1020-1）波（Wave） ＝（-120-21）脉动（Ripple）

＝（1–46-41）一维窗口之间作相关运算，

得二维窗口:以中点为中心旋转，得到不同角度的二维匹配滤波窗口:较好的四个纹理匹配窗6.2.3图象灰度梯度方向矩阵

灰度梯度方向矩阵统计某区域中灰度在空间域变化的方向，将其作为一种纹理度量4×4＝16个象素为一矩阵。对于四个元素A、B、C、D组成的小单元，计算每一个小单元的梯度，确定其方向然后计算九个单元组成的矩阵中所有不同梯度方向的数目，作为该矩阵对应子图象的特征量G0=A+B-(C+D) =-G4G1=21/2(B-C) =-G5G2=B+D-(A+C) =-G6

G3=21/2(D-A) =-G7

345216107特征量（不同梯度方向的数目）＝8特征量大，说明图象变化无规则。特征量的计算6.3共发矩阵(共生矩阵）

GLCM(GrayLevelCo-ocurrenceMatrices)共发矩阵方法用条件概率来反映纹理，是相邻象素的灰度相关性的表现。考察一对对象素出现的频度，以此构造一种矩阵作为纹理的定量描述。1、共发矩阵的构成共发概率：共发矩阵：（选定d，）共发矩阵往往是对称的（0度看成为水平方向）。且通常先作灰度级的压缩。例2、共发矩阵能反映纹理特征的定性说明如果对角线上的元素值很大，说明该方向有相距为d的相同灰度的象素对，如d=1时，则表明有两两灰度相同的象素对，该方向变化不会很快。如果对角线上的元素全部为0，这表明在该方向没有相距为d的相同灰度的象素对，说明该方向有灰度变化，可能存在变化频繁的纹理。3、共发矩阵纹理特征常用度量熵度量角二阶矩对比度度量通常还将其规一化到0－1。求和在整个窗口内进行。K1,K2为正整数6.4分形方法分形分形维分形布朗运动■分形的概念是由Mandelbrot于1973年首先提出的。■研究的是自然界中很不规则的、不稳定、却又常见的现象。■将分形维作为图象的一种特征，引入图象识别，是很有特色的。分形

图例分形

图例分形图例分形图例分形图形的特点1、有自相似性2、具有精细结构3、其精细结构相当复杂而构成规律十分简单4、难以用传统数学语言描述5、其局部几何特征很难研究Koch曲线特征长度

具有特征长度的图形，一般是平滑的或是近似平滑的。

不具特征长度的图形，有自相似性。自相似性指的是，若把要考虑的图形的一部分放大，其形状与全体(或者大部分)相同。分形的基本观点是没有特征长度，或者是自相似性。

维数经验维数，是整数维。相似性维数，可以是分数维。相似维定义：（缩小1/a,得到b个相似形）改变粗视化程度求维数用可变长度r去量测。得到对应不同r的测量数N(r)。若N(r)正比于r-D,则D为其分形维。用间隔为r的格子把平面分割成边长为r的正方形,数出在此平面上至少包含一个点的正方形的个数，把此数记为N(r)。若r变化时,N(r)正比于r-D,则D为其分形维。分形布朗运动模型及做法根据问题选择图象上窗口的尺寸计算相距不同距离的点对数计算相距不同距离的点对的灰度的平均绝对差得出标准化分形布朗运动矢量求分形维6.5纹理分析在图象分类中的应用把纹理作为对象的一类特征，参与分类遥感的地物分类细胞结构的纹理分析矽肺病自动分类等利用纹理特征进行遥感图象分类一例数据源：四个波段的遥感图象要求分为七种地域：沿海森林 林区草原 市区小水浇地 大水浇地水域初始特征:4个波段的光谱特征初始构造的纹理特征:(基于四个方向的共发矩阵)

1)角二阶矩ASM 2)对比度度量CON 3)相关COR 4)方差 5)反差分矩 6)和的方差 7)和的均值8)和的熵9)熵ENT10)差的方差11)差的熵12)13)二种相关信息测度14)最大相关系数初始特征特征的组合和选取每个光谱图均有四个方向的共发矩阵，分别产生上述14个特征。对一组4个纹理特征（对应四个方向共发矩阵）计算其均值与方差，构成2个新特征。这样每个光谱图有14×2＝28个纹理特征。最后筛选出的特征筛选出第二波段图象ASM,CON,ENT,COR的均值与方差（共8个）定为选定的纹理特征。再加上从4个光谱特征构造出的各自的均值和方差（也是8个），一共获得最终的16个特征。最后根据这16个特征进行分