23、统计纹理参数计算的并行方法

统计纹理参数计算的并行方法

在图像领域，尤其是处理大型复杂图像（如SAR图像）时，纹理参数计算是一项关键任务。传统的基于共生矩阵的方法在计算高阶纹理参数时存在效率低、内存占用大等问题。下面将详细介绍一种新的并行计算方法，它能有效解决这些问题。

1. 背景与现状

自动分类在技能识别中非常有用，无监督图像分类方法试图将一组观察结果细分为统计类别。纹理分析是SAR图像处理的一种有效方法，它通过数学技术量化图像中各种灰度的强度、粗糙度及其分布。在SAR图像分类中，纹理分析的实用性已得到广泛认可。

然而，现有的纹理分析方法存在一些问题。目前的研究主要分为结构方法和统计方法。结构方法通过定义图像中的基元及其关系来描述纹理；统计方法则研究每个像素与其周围像素的关系，基于不同阶的共生矩阵组合统计参数。但计算这些矩阵非常耗时，尤其是高阶参数。因此，大多数研究仅局限于二阶统计参数，尽管高阶参数能为纹理分析提供补充信息。

为了优化参数计算时间，研究人员提出了一些方法：
- 用直方图的和与差代替共生矩阵，定义平稳过程二阶概率的主轴。
- 基于灰度缩减（从256到32）提出纹理和光谱方法进行图像分类，但会损失信息。
- 基于直方图开发新的纹理参数计算算法，将参数公式从基于两个变量改为基于一个变量。
- 提出计算三阶纹理参数的新方法，通过定义特定图像掩码将三阶纹理参数重新表示为单变量函数。

2. 新方法概述

提出了一种并行计算纹理参数的方法，该方法所需时间与参数阶数无关，能避免计算高阶共生矩阵，实现实时图像处理。下面将详细介绍该方法的具体内容。

3. 经典纹理参数表达式