纹理特征研究综述①

纹理广泛存在于自然界中,是所有物体表面所共有的内在特性,研究纹理有着重要的理论和应用价值。从纹理定义及分类两个方面,回顾了纹理特征研究的发展历程,分析了有关纹理的研究成果,并重点对纹理分析方法进行了较为全面的综述,最后给出了纹理研究的几个热点应用领域。     

纹理研究综述

纹理精确定义困难,但存在被广泛认同的性质。结构法、统计法、频谱法和模型法是常用的纹理研究方法。结构法从纹理的基元形态及其排布规则角度分析,适用于研究规则纹理;统计法从宏观角度对纹理进行统计分析,适用于随机纹理;频谱法利用频域信号处理方法分析纹理的数字特征;模型法将纹理看做某种数学模型进行分析。纹理研究已广泛应用于军事、工业、农业、医疗等方面。为此,从定义、特征、研究方法、应用领域几个方面对纹理的研究现状进行了论述。     

显微图像纹理特征提取方法综述

纹理广泛的存在于自然界中,物体的根本属性.与其他图像特征相比,能更好地兼顾图像的宏观性质与细微结构两个方面,因此纹理特征分析成为图像分析的重要手段.本文从定义、特征、研究方法、应用领域几个方面对纹理特征的提取方法进行了论述.最后对各种方法的优缺点及应用范围进行了比较.     

纹理混合与纹理传输

基于样本的纹理合成方法是继纹理映射、过程纹理合成等方法后发展起来的一种纹理拼贴方法 ,而在已有的算法中 ,绝大多数只能处理单纹理样本的合成 .提出一种新颖的可处理两个纹理样本的纹理混合方法 ,通过调整参数可以控制纹理在合成结果中所占的比例 ,利用之字形双向扫描提高合成纹理的质量 ,即第一行先按扫描线顺序 ,第二行从行尾点开始按反方向进行扫描 ,第三行又按扫描线顺序 ,如此往复 ,直至图像结尾 ;还提出一种简单的纹理传输方法 ,用户可以根据实际需求进行设计和调整 ,获得各种结果 .计算一幅 3 0 0× 3 0 0的图片可在几秒内完成 .     

图像纹理特征数据挖掘的不确定性分析

不确定性分析是数据挖掘与知识发现的重要内容,对图像纹理特征数据挖掘的基本原理进行了分析、解释,从问题的求解、数据的产生、挖掘的过程以及最终的结果等几个角度分析了图像纹理特征数据挖掘中的不确定性,并讨论了目前不确定性问题分析与处理的若干方法,引入不确定性分析的有力工具--云模型,研究图像纹理特征数据挖掘中的不确定性,并给出了实验结果及分析.     

基于样图的纹理合成技术研究

基于样图的纹理合成方法是继纹理映射、过程纹理合成方法后发展起来的一种纹理技术,用于解决传统方法中出现的缝隙、扭曲、变形和参数调整等问题。在大规模场景的生成以及真实感图形绘制和非真实感绘制、计算机动画等方面具有广泛的应用前景;同时对图像编辑、数据压缩、网络数据的快速传输也有一定的指导意义。该文首先简要回顾了纹理技术的发展历程,总结出基于样图的纹理合成技术的基本原理,从基于Markov模型、侧重逼真显示、任意曲面等几个方面,对基于样图的纹理合成技术进行了较全面的总结和分析,对该领域未来的研究和应用前景做出了有益的探讨。     

纹理特征提取方法综述

图像纹理特征提取是图像纹理分类与分割的基础,广泛应用于医学图像、遥感图像等领域。对近期的主流纹理特征提取方法以及融合方法进行了分析与总结,并探讨了纹理特征提取方法未来的研究方向。首先详细介绍了12个主流的公开纹理数据集的特点及其适用场景;接着总结了近几年出现的一些纹理特征提取方法,并根据特征融合方式从多个角度对纹理特征融合方法进行了分类介绍;最后总结了纹理特征提取存在的难点和挑战,并对未来的纹理特征提取方法研究方向进行思考和讨论。     

纹理相似性度量研究及基于纹理特征的图像检索

纹理相似性研究是纹理合成和基于内容检索研究中的一个重要组成部分.在相似性 判断中,采用与人类视觉感知相对应的纹理特征,将比使用其他无明确含义的纹理特征,对 系统的进一步改善有着更为重要的指导意义.在Tamura,Amadasun和Haralick等人提出的 纹理特征的基础上分析了与人类视觉特征有较为明确对应关系的19个纹理特征,不同纹理 之间的相似性由这19个纹理特征构成的归一化特征向量之间的加权欧氏距离决定.对大量 纹理图像的相似性进行了度量,实验结果表明所选的纹理特征有较强的描述能力.使用了主 成分分析算法来压缩特征向量的维数,结果表明,6维特征主分量已经可以给出较好的纹理相 似性度量.     

纹理图像混合

基于样本的纹理合成方法是继纹理映射和过程纹理合成等方法后发展起来的一种纹理拼贴方法,而在已有的算法中,绝大多数算法只能处理单纹理样本的合成.提出了一种新颖的可处理两个纹理样本的纹理混合方法.首先用点匹配的方法获得两个样本纹理图像混合的最佳位置,然后应用最大流原理进行混合.本算法可以自动在最佳的位置进行最佳的纹理混合.实验结果表明,该方法可获得比较理想的混合效果.     

基于灰度共生矩阵的纹理特征提取①

纹理广泛存在于自然界中,是物体表面最本质的属性。纹理分析技术一直是热门的研究领域,纹理特征提取作为纹理分析的首要任务更是人们研究的焦点。针对五种木材纹理提出了用灰度共生矩阵的方法提取纹理特征,通过MATLAB仿真实现,结果表明由灰度共生矩阵产生的四个纹理特征能有效的描述木材的纹理特征,具有较好的鉴别能力。     

图像纹理特征提取方法综述

纹理是一种重要的视觉线索,是图像中普遍存在而又难以描述的特征。纹理分类与分割是图像处理领域一个经久不衰的热点研究领域,纹理特征提取作为纹理分类与分割的首要问题,一直是人们关注的焦点,各种纹理特征提取方法层出不穷。在广泛文献调研的基础上,回顾了纹理特征提取方法的发展历程,分析了其研究现状,对纹理特征提取方法进行了较为全面的综述,对其进行分类和比较,最后给出了纹理研究领域的主要发展趋势。     

一种局部曲面纹理合成的改进方法

在局部纹理映射加速曲面纹理合成的算法的基础上,提出通过方向经验模型分解算法对其进行改进.方向经验模型分解算法利用纹理固有方向,在局部纹理的合成区和映射区实现了无缝接的纹理合成。实验结果表明,该算法合成质量高、算法简单、运行快速,能够达到令人满意的合成效果。     

应用分段遗传算法的视频纹理合成算法

通过对视频纹理定义的分析,将视频纹理合成转化为一个优化组合问题。提出一种应用分段遗传算法的视频纹理合成算法,采用分段遗传算法,对有限长度的源视频进行加工,得到可无限播放的连续视频序列。算法采用更适当的相似性尺度和测量准则,省去了大量复杂的对源视频的预处理,分段的搜索策略只需要用很少的遗传代数即可快速合成出质量很高的视频纹理。与现有的视频纹理合成方法比较,该算法具有较小的计算复杂度,在合成的速度和质量上都有所提高。另外,实验结果给出了种群大小以及最大遗传代数对合成质量和速度的影响。     

改进的局部方向模式纹理表示方法

目的：纹理是描述和区分不同物体的重要特征之一,纹理特征提取一直是模式识别、机器视觉领域的研究热点。局部方向模式（Local directional pattern, LDP）是一种分辨性好、对随机噪声和非均匀光照鲁棒的纹理特征。而LDP特征由于计算8方向的边缘响应并排序,提取速度较慢。本文改进了LDP编码方案。方法：论文设计了两种改进方案。第一种方案直接对8方向的边缘响应符号进行编码,避开排序,称为FLDP（Fast Local Directional pattern, FLDP）特征;第二种方案,论文尝试使用较少的方向模板来降低特征提取的时间、空间消耗,设计了MLDP算子（Mini Local Directional pattern,MLDP）。结果：在Brodatz数据集的24类均匀纹理图像以及111类全部纹理图像上将本文提出的FLDP特征、MLDP特征与传统的LDP进行了对比实验。实验结果表明,在保证了分类准确率的前提下,FLDP算子的运算速度是3th-LDP的20倍左右,MLDP算子的运算速度是3th-LDP的35倍左右。结论：论文设计了2种方案改进了LDP特征,分别为FLDP算子和MLDP算子。实验表明,这两种改进方案,在保证分类准确率的同时,大幅度提高了特征提取运算速度。     

基于小波变换的纹理特征提取分析

在图像检索技术中，充分利用纹理特征能大大提高图像检索的准确率。用小波变换的方法提取图像纹理特征参数优势明显．也符合纹理识别的特点。     

基于Contourlet变换和仿生模式识别的纹理图像识别方法

纹理图像的分类是目前一个非常活跃的研究课题。针对现有纹理图像分类算法的局限性,本文提出了一种基于Contourlet变换和仿生模式识别方法的纹理图像识别算法。首先应用Contourlet变换获得能量特征的方法提取能量特征,进而利用仿生模式识别算法实现对纹理图像的识别。采用Vistex纹理库数据进行仿真实验,结果表明:与传统的分类方法相比,利用Contourlet变换和仿生模式识别结合进行纹理图像的识别能获得更高的正确率和速度,最佳正确率可达100%。     

一种新的图像纹理表示方法

该文基于纹理元直方图导出了纹理的新表示方法,并根据正交镜像滤波器的小波变换能量的转换和量化来定义纹理元。此种,给出了数种小波纹理特征集的实验评价,此方法具有将Brodatz纹理分类的极好性能。同时还研究了数种考虑近似旋转不变性或比例不变性的变换。最后,引入了生成纹理直方图和形成二进制纹理集的特征空间的过程,而且纹理直方图和二进制纹理集的特征空间与颜色直方图是对称的。获得纹理的这些表示旨在为度量纹理的相似性和从图像中抽取纹理区域。