圖像紋理檢測與特征提取技術(shù)研究綜述

1、圖像紋理檢測與特征提取技術(shù)研究綜述圖像紋理檢測與特征提取技術(shù)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(chǔ)前提，可以應(yīng)用到醫(yī)療、工業(yè)、農(nóng)業(yè)、天文等多個領(lǐng)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(lǐng)域各種技術(shù)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(guān)文獻進行調(diào)研的基礎(chǔ)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

2、取方法進行了論述，最后指出了該領(lǐng)域的發(fā)展趨勢及問題。下載[關(guān)鍵詞]圖像紋理；特征提取；小波；支持向量機doi：10.3969j.issn.16730194.2017.23.088[中圖分類號]TP311[文獻標識碼]A[文章編號]16730194（2017）230175041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(yīng)用已經(jīng)深入到醫(yī)學(xué)、工業(yè)、航空、農(nóng)業(yè)等各行業(yè)領(lǐng)域中。而紋理作為圖像的重要特征

3、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(shù)所必備的研究條件。但是，紋理的復(fù)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、和計算機視覺等研究的基礎(chǔ)。在紋理研究的每個階段內(nèi)，隨著國內(nèi)外學(xué)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(yīng)用價值，促使著大家對這一領(lǐng)域進行更深入的研究。2紋理的基本定義及特性目

4、前，人們對紋理的精確定義還沒有完全統(tǒng)一，當(dāng)前幾個類別的定義基本上按不同的應(yīng)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(fù)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(guān)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：（1）紋理基元是y理存在的基本元素，并一定是按照某種規(guī)律排列組合形成紋理；（2）紋理信息具有局部顯著性，通?？梢员憩F(xiàn)為紋理基元序列

5、在一定的局部空間重復(fù)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)。紋理的分類有很多種，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

6、紋理特征提取方法進行全面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)法應(yīng)用于實際領(lǐng)域，論文發(fā)表如圖2所示。由圖2可見，2005年之前，國內(nèi)在紋理研究方面論文相對較少，在紋理特征提取方面更是寥寥。自2005年開始相關(guān)研究熱度有明顯上升，主要研究方向集中于基于信號處理、模型和統(tǒng)計等。本文從2005年開始，對紋理特征提取方面的主要文章進行梳理。4.2.1基于信號處理的方法2005年，張志龍等人提出的利

7、用局部沃爾什變換（LocalWalshTransfm）提取圖像紋理特征的方法。尚趙偉等人提出的基于不同復(fù)小波變換方法的一階和二階統(tǒng)計矩（共生矩陣）特性來實現(xiàn)紋理特征提取的方法。葛曉菁等人提出的利用Gba小波變換與高斯歸一化的綜合方法來實現(xiàn)紋理特征提取的算法。王麗亞等人提出的利用紋理信息頻域分布以及尺度特性實現(xiàn)紋理特征提取的算法。陳洋、黃百鋼等人均提出的結(jié)合Gab濾波和ICA技術(shù)進行紋理特征的提取方法。趙一凡等人提出的利用方向可控濾波器（

8、steerablefilter）和輪廓波（contourlet）分解的方向性及能量變化特性實現(xiàn)紋理特征提取方法。2009年，汪閩等人提出的基于模板分解與遞歸式濾波的遙感圖像快速Gab紋理特征提取方法。劉明霞等人提出的基于非下采樣輪廓波（contourlet）變換的紋理特征提取方法。2010年，劉金平等人提出的基于Gab濾波的泡沫圖像紋理特征提取方法。周平等人提出的基于小波分解的紋理特征提取方法。4.2.2基于統(tǒng)計的方法張濤等人提出的基于

9、多分辨率差分矩陣（MultiresolutionDifferenceMatrix）來提取紋理特征的方法。2006年，趙珊等人提出的基于方塊編碼（BlockTruncationCoding）的圖像紋理特征提取算法。王耀南等人提出的基于分形維數(shù)的圖像紋理分析方法。趙瑩等人提出的基于分形理論的多尺度多方向紋理特征提取方法。2011年，唐朝暉等人提出的基于LBPV（localbinarypatternvariance）的泡沫圖像紋理特征提取方法

10、。2012年，王國德等人提出的融合LBP和GLCM的紋理特征提取方法。周書仁等人提出的基于Haar特性局部二值模式（Haarlocalbinarypattern，簡稱HLBP）的圖像紋理特征提取方法。2014年，何楚等人提出的基于局部重要性采樣二進編碼的圖像紋理特征描述方法，并將該方法應(yīng)用于合成孔徑雷達（Syntheticapertureradar，SAR）圖像的紋理特征提取。喬雙等人提出的新型的快速y理提取算法CLBP來實現(xiàn)射線圖像的

11、紋理特征提取。4.2.3基于模型的方法李杰等人提出的基于Wold模型和支持向量機的紋理識別方法，有效解決了方向和尺度變化給紋理識別帶來的困難。華淼等人提出的基于多尺度網(wǎng)格劃分及直方圖分析的主紋理提取方法。4.2.4基于結(jié)構(gòu)的方法2013年，陳寧等人提出的基于顏色共生混合結(jié)構(gòu)（colcooccurrencehybridstructure，CCHS）的浮選泡沫圖像紋理特征提取方法。黃穎等人提出的基于代數(shù)多重網(wǎng)格（AMG）分析提取紋理特征的方