12、图像纹理特征度量方法详解

图像纹理特征度量方法详解

1. 纹理区域度量概述

纹理是研究较为广泛的一类度量指标，它可以从表面特征来理解，比如粗麻布袋和丝绸织物的表面纹理就截然不同。在不同领域中，存在着众多可能的纹理关系和特征，并且新的纹理特征还在不断被开发。以下是一些常见的纹理度量计算方法：
- 边缘度量
- 互相关
- 傅里叶频谱特征
- 共生矩阵、哈拉里克特征、扩展的空间依赖矩阵（SDM）特征
- 劳斯纹理度量
- 镶嵌
- 局部二值模式（LBP）
- 动态纹理

在图像中，每个图像区域都有其独特的纹理特征，纹理可定义为该区域内的共同结构和模式。纹理特征可能是位置和强度关系的函数，例如在空间域中；也可以基于其他函数基和特征域的比较，如使用傅里叶方法的频率空间。

纹理度量可用于图像区域的分割和描述。基于纹理的均匀性来区分不同区域，因此纹理是一种有效的区域分割方法。同时，纹理也是特征描述的良好指标，可用于特征检测、匹配和跟踪。

有一些数据集可用于计算纹理度量，如附录B中包含的几个真实数据集，其中包括哥伦比亚大学的CUReT反射率和纹理数据库。相关研究使用双向反射分布函数（BRDF）和双向纹理函数（BTF）来描述表面外观。BRDF反射率度量可捕捉表面纹理中显著的亚像素细节，而BTF则能捕捉像素级的细微纹理差异。

2. 边缘度量

边缘、线条、轮廓或山脊是基本的纹理特征。通过分析图像区域的边缘结构，可以设计出各种简单的度量指标。以下是一些常见的边缘度量计算方法：

2.1 边缘计算方法

边缘计算可以从兴趣点到边缘的连续方法来考虑。兴