數(shù)字圖像分析第6章

第三部分

圖象物體的特征分析和描述第六章 紋理分析第七章 結(jié)構(gòu)分析第八章 景物分析（以及圖象序列分析）紋理和結(jié)構(gòu)特征分析往往用于描述和識別單個物體或物體的某個部分的。景物分析用于描述物體群組成的景物或三維物體。圖象序列分析研究運動圖象。檢測運動，估計運動參量。圖象識別的一般過程圖象分割特征抽取分類輸入圖象輸出類別物體圖象特征向量X1X2..XN第六章紋理分析

（TextureAnalysis）某種紋理基元按不同方式的組合，總體上表現(xiàn)為對象表面的一種紋理特征。諸如：方向性、粒子粗細(xì)、表面粗糙或光潔、散布形式、變化快慢等。計算機(jī)數(shù)字分析的任務(wù)是研究關(guān)于景物紋理特征的定量分析和解釋并獲得有效的紋理度量。一般說，圖象紋理是指一種反復(fù)出現(xiàn)的局部模式和它們的排列規(guī)則。很多紋理可以分解成眾多的紋理基元（局部模式），這些基元的排列往往有一定的規(guī)則，并且反復(fù)出現(xiàn)。紋理分析方法頻率域基于變換域的紋理特征分析(6.1)離散富利葉變換（DFT）紋理分析離散余弦變換（DCT）紋理分析

空間域紋理能量法（6.2）共發(fā)矩陣(6.3)

分形方法(6.4)

形態(tài)學(xué)方法(7.4)（6.5舉例說明紋理分析在圖象分類中的應(yīng)用）6.1基于DFT和DCT的紋理特征分析6.1.1離散傅立葉變換（DFT）紋理分析1、二維傅立葉變換的空間特征2、典型圖象的頻譜特征3、紋理度量6.1.2離散余弦變換（DCT）紋理分析1、DCT的特點2、紋理特征度量6.1.1離散傅立葉變換(DFT)紋理分析1、二維傅立葉變換的空間特征圖象可以看成一系列基元圖的加權(quán)和：基元圖（基圖象）有實部與虛部，是二維周期圖象,周期的大小和方向與u,v的值有關(guān)。沿i方向周期變化，在垂直于i方向無變化。周期基圖象是正弦（余弦）變化的。變化方向：變化波長：考察xu+yv=Nn的軌跡：

Y=-(u/v)x+(N/v)n其變化具有周期性

余弦條紋圖2、典型圖的頻譜DFT圖例DFT圖例DFT圖例3、紋理度量(紋理特征的定量表示)

注意要選擇反映紋理的子圖象（窗口）尺寸。由二維幅度圖推出以下用極坐標(biāo)表示的一維譜：環(huán)特征 楔特征 水平條垂直條上述特征集的極大值、均值和方差等可作為一些測度。6.1.2離散余弦變換(DCT)紋理分析1、DCT的特點(與DFT的頻譜特征類似)圖象若表現(xiàn)為方向性的條紋，那么其頻譜在垂直其條紋的方向一般會有較大的值。雜亂分布的圖象，其頻譜除基頻附近外，很少在某一方向出現(xiàn)強峰。變化緩慢的圖象，頻譜分量中高頻分量很小或為零。變化頻繁的圖象，頻譜中高頻分量相對較大。2、紋理度量紋理能量度量ENERGY方向性度量DIR粗細(xì)度度量FIN方向分散度度量頻率分散度度量特征(8×8)ENERGYDIRFIN均值方差區(qū)域A9.0000.41434.91268.887.50區(qū)域B13.6250.43869.747138.2235.44區(qū)域C15.6880.47463.452206.0913.40ABC例環(huán)特征

楔特征

輸入楔特征峰的個數(shù)N

紋理的空間域分析方法紋理能量法(6.2)共發(fā)矩陣(6.3)分形方法(6.4)形態(tài)學(xué)方法(7.4)6.2紋理能量法6.2.1單位面積灰度變化總量 和圖象的自相關(guān)函數(shù)6.2.2紋理的匹配濾波法6.2.3圖象灰度梯度方向矩陣6.2.1單位面積灰度變化總量

和圖象的自相關(guān)函數(shù)1、單位面積灰度變化總量單位面積內(nèi)各種紋理能量的總和。它用某一個子圖象區(qū)域內(nèi)灰度的方差來表征。是該區(qū)域內(nèi)灰度的均值，在子圖象區(qū)域（窗口）內(nèi)取值2、圖象的自相關(guān)函數(shù)

自相關(guān)函數(shù)隨的大小而變化，與圖象中紋理粗細(xì)的變化有著對應(yīng)的關(guān)系。數(shù)字距離為零時，圖象的自相關(guān)函數(shù)達(dá)到最大值。紋理較粗的圖自相關(guān)函數(shù)隨著距離的增加而下降的速度比較慢；反之下降的速度比較快。紋理圖象自相關(guān)函數(shù)會呈現(xiàn)某種周期性變化，這種周期性可以反映紋理基元的排列規(guī)則，如稀疏、稠密程度。通過的每一點對自相關(guān)函數(shù)求梯度大小、方向可以得到自相關(guān)函數(shù)變化的快慢和方向。6.2.2紋理的匹配濾波法匹配濾波器采用窗口卷積來進(jìn)行通常先確定最基本的一維窗口由一維窗口延伸卷積后獲得二維的窗口再旋轉(zhuǎn)獲得不同角度的二維匹配濾波窗口幾個基本的一維窗: L3=（121）

E3=（-101）

S3=（-12-1）由基本窗口作卷積，延伸其長度，得到匹配于某種紋理的一維窗口：平均灰度（Level）＝（14641）邊緣（Edge） ＝（-1-2021）點（Spot） ＝（-1020-1）波（Wave） ＝（-120-21）脈動（Ripple）

＝（1–46-41）一維窗口之間作相關(guān)運算，

得二維窗口:以中點為中心旋轉(zhuǎn)，得到不同角度的二維匹配濾波窗口:較好的四個紋理匹配窗6.2.3圖象灰度梯度方向矩陣

灰度梯度方向矩陣統(tǒng)計某區(qū)域中灰度在空間域變化的方向，將其作為一種紋理度量4×4＝16個象素為一矩陣。對于四個元素A、B、C、D組成的小單元，計算每一個小單元的梯度，確定其方向然后計算九個單元組成的矩陣中所有不同梯度方向的數(shù)目，作為該矩陣對應(yīng)子圖象的特征量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（不同梯度方向的數(shù)目）＝8特征量大，說明圖象變化無規(guī)則。特征量的計算6.3共發(fā)矩陣(共生矩陣）

GLCM(GrayLevelCo-ocurrenceMatrices)共發(fā)矩陣方法用條件概率來反映紋理，是相鄰象素的灰度相關(guān)性的表現(xiàn)。考察一對對象素出現(xiàn)的頻度，以此構(gòu)造一種矩陣作為紋理的定量描述。1、共發(fā)矩陣的構(gòu)成共發(fā)概率：共發(fā)矩陣：（選定d，）共發(fā)矩陣往往是對稱的（0度看成為水平方向）。且通常先作灰度級的壓縮。例2、共發(fā)矩陣能反映紋理特征的定性說明如果對角線上的元素值很大，說明該方向有相距為d的相同灰度的象素對，如d=1時，則表明有兩兩灰度相同的象素對，該方向變化不會很快。如果對角線上的元素全部為0，這表明在該方向沒有相距為d的相同灰度的象素對，說明該方向有灰度變化，可能存在變化頻繁的紋理。3、共發(fā)矩陣紋理特征常用度量熵度量角二階矩對比度度量通常還將其規(guī)一化到0－1。求和在整個窗口內(nèi)進(jìn)行。K1,K2為正整數(shù)6.4分形方法分形分形維分形布朗運動■分形的概念是由Mandelbrot于1973年首先提出的?！鲅芯康氖亲匀唤缰泻懿灰?guī)則的、不穩(wěn)定、卻又常見的現(xiàn)象?！鰧⒎中尉S作為圖象的一種特征，引入圖象識別，是很有特色的。分形

圖例分形

圖例分形圖例分形圖例分形圖形的特點1、有自相似性2、具有精細(xì)結(jié)構(gòu)3、其精細(xì)結(jié)構(gòu)相當(dāng)復(fù)雜而構(gòu)成規(guī)律十分簡單4、難以用傳統(tǒng)數(shù)學(xué)語言描述5、其局部幾何特征很難研究Koch曲線特征長度

具有特征長度的圖形，一般是平滑的或是近似平滑的。

不具特征長度的圖形，有自相似性。自相似性指的是，若把要考慮的圖形的一部分放大，其形狀與全體(或者大部分)相同。分形的基本觀點是沒有特征長度，或者是自相似性。

維數(shù)經(jīng)驗維數(shù)，是整數(shù)維。相似性維數(shù)，可以是分?jǐn)?shù)維。相似維定義：（縮小1/a,得到b個相似形）改變粗視化程度求維數(shù)用可變長度r去量測。得到對應(yīng)不同r的測量數(shù)N(r)。若N(r)正比于r-D,則D為其分形維。用間隔為r的格子把平面分割成邊長為r的正方形,數(shù)出在此平面上至少包含一個點的正方形的個數(shù)，把此數(shù)記為N(r)。若r變化時,N(r)正比于r-D,則D為其分形維。分形布朗運動模型及做法根據(jù)問題選擇圖象上窗口的尺寸計算相距不同距離的點對數(shù)計算相距不同距離的點對的灰度的平均絕對差得出標(biāo)準(zhǔn)化分形布朗運動矢量求分形維6.5紋理分析在圖象分類中的應(yīng)用把紋理作為對象的一類特征，參與分類遙感的地物分類細(xì)胞結(jié)構(gòu)的紋理分析矽肺病自動分類等利用紋理特征進(jìn)行遙感圖象分類一例數(shù)據(jù)源：四個波段的遙感圖象要求分為七種地域：沿海森林 林區(qū)草原 市區(qū)小水澆地 大水澆地水域初始特征:4個波段的光譜特征初始構(gòu)造的紋理特征:(基于四個方向的共發(fā)矩陣)

1)角二階矩ASM 2)對比度度量CON 3)相關(guān)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)二種相關(guān)信息測度14)最大相關(guān)系數(shù)初始特征特征的組合和選取每個光譜圖均有四個方向的共發(fā)矩陣，分別產(chǎn)生上述14個特征。對一組4個紋理特征（對應(yīng)四個方向共發(fā)矩陣）計算其均值與方差，構(gòu)成2個新特征。這樣每個光譜圖有14×2＝28個紋理特征。最后篩選出的特征篩選出第二波段圖象ASM,CON,ENT,COR的均值與方差（共8個）定為選定的紋理特征。再加上從4個光譜特征構(gòu)造出的各自的均值和方差（也是8個），一共獲得最終的16個特征。最后根據(jù)這16個特征進(jìn)行分