資源描述：
《圖像紋理檢測與特征提取技術研究綜述》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在應用文檔-天天文庫。
1、圖像紋理檢測與特征提取技術研究綜述 [摘要]圖像紋理作為圖像數(shù)據(jù)的重要信息，是符合人類視覺特征的重要信息之一。紋理檢測與特征提取是紋理分類與分割的基礎前提，可以應用到醫(yī)療、工業(yè)、農(nóng)業(yè)、天文等多個領域，也是近幾十年來一個經(jīng)久不衰的熱點研究。隨著圖像處理領域各種技術的發(fā)展，紋理特征分析提取方法也得到不斷創(chuàng)新。文章在對相關文獻進行調(diào)研的基礎上，敘述了紋理特征提取方法的發(fā)展歷程及研究現(xiàn)狀，并重點對近十年紋理特征提取方法進行了論述，最后指出了該領域的發(fā)展趨勢及問題。下載論文網(wǎng) [關鍵詞]圖像紋理；特征提取；小波；支持向量機 doi：10.3969/j.issn
2、.1673-0194.2017.23.088 [中圖分類號]TP311[文獻標識碼]A[文章編號]1673-0194（2017）23-0175-04 1引言 隨著大數(shù)據(jù)時代的到來，相對于一般數(shù)據(jù)，圖像信息作為一種更直觀更形象的數(shù)據(jù)表現(xiàn)形式，其應用已經(jīng)深入到醫(yī)學、工業(yè)、航空、農(nóng)業(yè)等各行業(yè)領域中。而紋理作為圖像的重要特征之一，可以充分反映圖像的整體特征，因此也成為了諸多圖像后處理技術所必備的研究條件。但是，紋理的復雜多樣性使得研究者們對其分析和準確識別是非常困難。而解決這個困難的方法之一是對圖像提取紋理，然后對提取的紋理進行分析研究。這也是模式識別、圖像檢索
3、、和計算機視覺等研究的基礎。在紋理研究的每個階段內(nèi)，隨著國內(nèi)外學者研究對圖像紋理提取模型及算法的不斷創(chuàng)新，以及紋理提取的廣泛的應用價值，促使著大家對這一領域進行更深入的研究。 2紋理的基本定義及特性 目前，人們對紋理的精確定義還沒有完全統(tǒng)一，當前幾個類別的定義基本上按不同的應用類型形成相對的定義。一般認為，紋理是圖像色彩或者灰度在空間上的重復或變化形成紋理。通常，人們將組成紋理的基本單元稱為紋理基元或紋元（textureelement）。 盡管關于紋理的定義尚未統(tǒng)一，但人們對紋理信息所具有的如下特性達成共識： ?。?）紋理基元是?y理存在的基本元素，并一
4、定是按照某種規(guī)律排列組合形成紋理；（2）紋理信息具有局部顯著性，通常可以表現(xiàn)為紋理基元序列在一定的局部空間重復出現(xiàn)；（3）紋理有周期性、方向性、密度、強度和粗糙程度等基本特征，而與人類視覺特征相一致的周期性、粗糙性和方向性也更多的被用于進行紋理分類；（4）紋理區(qū)域內(nèi)大致是均勻的統(tǒng)一體，都有大致相同的結(jié)構(gòu)?！ 〖y理的分類有很多種，根據(jù)紋理定義域的不同，紋理可以分為二維紋理和三維紋理；根據(jù)紋理的表現(xiàn)形式不同，紋理可以分為結(jié)構(gòu)型紋理和隨機性紋理。根據(jù)形成方式不同，可以分為自然紋理、人工紋理和混合紋理。 3已有的綜述類文獻 截至目前，就圖像紋理特征提取方法進行全面
5、論述的只有劉麗等人的“圖像紋理特征提取方法綜述”。該文章回顧了紋理特征提取方法的早期發(fā)展歷程，對截至到2009年這個時間節(jié)點的紋理特征研究現(xiàn)狀、分類模型以及提取方法進行了較為全面的綜述，并預測了該時間節(jié)點之后的發(fā)展趨勢。自此后至今尚未出現(xiàn)類似更新的全面綜述文章。本文重點梳理了近十年來在紋理特征提取技術的最新進展?！ ?紋理特征提取研究現(xiàn)狀 國外 目前對紋理的分析研究已經(jīng)近50年的歷史。從以前的發(fā)展來看，國外學者的研究主要集中在紋理特征提取方法的創(chuàng)新方面，也有算法的改進應用研究?！ ≌嬲饬x上的紋理研究是從20世紀80年代開始。當時出現(xiàn)的馬爾可夫隨機場（MR
6、F）理論和分形（Fractal）理論為紋理特征研究開辟了新方向。許多國外學者基于這方面做出了開創(chuàng)性的研究成果。比較典型的是Chaudhuri和Sarker提出的簡單、快速并且具有高精度特性的差分計盒方法。這種方法也成為了后續(xù)研究者采用較多的一種方法。 自20世紀90年代開始，上述傳統(tǒng)的紋理研究方法出現(xiàn)了一個瓶頸，即無法從多尺度實現(xiàn)紋理特征的描述。1986年左右開始出現(xiàn)的小波理論研究熱潮，為更精細的紋理特征研究開辟了新思路。1989年，Mallat首先將小波理論應用于紋理分析中，隨后引發(fā)了基于小波分析的紋理研究熱潮。隨著小波理論不斷發(fā)展，出現(xiàn)了樹結(jié)構(gòu)小波、小波
7、框架以及小波包等多個分支?；谶@些分支的圖像紋理研究也相應出現(xiàn)。比較典型的有Chang等人提出的基于樹結(jié)構(gòu)小波的紋理分類方法，Unser研究的基于小波框架的紋理分類方法。這些研究成果的出現(xiàn)均在圖像紋理特征分析領域中起到了積極地推動作用?！ ∵M入21世紀后，研究者們針對紋理以及紋理特征的分析進入了相對成熟的階段，見圖1。比較典型的是Ojala等人在2002年提出的基于局部二進制模式（LBP）的紋理分析方法。該算法由于具有計算復雜度小、多尺度以及旋轉(zhuǎn)不變等特性而得到廣泛認可?！ ?010年，Shao-HuPeng等人提出了一種基于均勻估計方法（Uniformity
8、UstimationMethod）的紋
