8、图像纹理特征提取方法详解

图像纹理特征提取方法详解

1. 纹理特征概述

纹理是自然界中几乎所有事物都具有的一种通用模式。对于人类而言，纹理模式与表面的特定且空间重复的结构相关，这种结构是通过在不同空间位置重复特定元素或多个元素形成的。通常，这种重复涉及元素的尺度、方向或其他几何和光学特征的局部变化。

纹理是物体的固有特征，例如我们可以轻松判断物体表面是细腻还是粗糙、规则还是自然、平静还是繁杂等。人类倾向于通过纹理的结构或其变化频率来识别纹理。因此，过去几十年设计的纹理方法主要分为两个方向：光谱方法和空间方法。空间纹理方法试图捕捉物体的原始模式并计算其结构特征；而光谱纹理方法则试图捕捉物体模式的变化频率并计算变化的频率。一般来说，空间方法更直观，而光谱方法通常更高效、更稳健。

2. 空间纹理特征提取方法

空间方法通过计算原始图像中的像素统计信息或查找局部像素结构来提取纹理特征。常见的空间纹理特征提取方法包括Tamura纹理、共生矩阵方法、马尔可夫随机场（MRF）方法和分形维数（FD）方法。

2.1 Tamura纹理

Tamura等人引入了六个统计特征，包括粗糙度、对比度、方向性、线性度、规则性和粗糙度。后三个特征是基于前三个特征定义的，因此大多数图像检索系统只使用前三个Tamura特征。
- 粗糙度（Coarseness） ：与形成纹理的原始元素（纹理基元）的大小有关，用于衡量图像的粒度。计算公式为：
[f_{crs} = \frac{1}{n^2} \sum_{x = 1}^{n} \sum_{y = 1}^{n} 2^{k_{I(x,y)}}]
其中，(n \times n) 表示图像