11、图像纹理特征度量的方法与应用

图像纹理特征度量的方法与应用

1. 引言

在计算机视觉领域，纹理特征度量是一个重要的研究方向。近年来，研究者们致力于开发更鲁棒的不变纹理度量以及利用 3D 深度信息的纹理度量，以接近人类对纹理的辨别能力。

2. 全球与区域特征研究进展

2.1 2000 年至今的发展

• 不变纹理度量 ：研究人员正在探索对尺度、旋转、光照、透视等具有不变性的纹理度量，例如 Pun 和 Lee 的工作，开发了具有旋转和尺度不变性的纹理度量。
• 3D 纹理度量 ：未来的度量将更多地利用 3D 深度信息，如 Spence 在 2003 年开发的表面形状度量，可用于仿射不变纹理识别和描述。

2.2 统计方法

统计方法在生成新的特征度量方面具有重要作用。任何特征，如像素值或局部区域梯度，都可以通过多种统计方法进行表达。例如，直方图是一种简单而有价值的统计方法，通过它可以轻松看到基本统计信息，如最小值、最大值和平均值。

3. 纹理区域度量

纹理是研究最多的度量类别之一，可用于区域分割和特征描述。常见的纹理度量计算方法如下：
| 方法 | 描述 |
| ---- | ---- |
| 边缘度量 | 分析图像区域的边缘结构来设计简单的度量 |
| 互相关和自相关 | 用于显示信号之间的相似性，可检测图像中的重复模式 |
| 傅里叶频谱签名 | 通过将信号分解为基向量来理解图像纹理 |
| 共生矩阵、Haralick 特征