1、圖像紋理檢測(cè)與特征提取技術(shù)研究綜述圖像紋理檢測(cè)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(cè)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(gè)領(lǐng)域，也是近幾十年來一個(gè)經(jīng)久不衰的熱點(diǎn)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(duì)相關(guān)文獻(xiàn)進(jìn)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(diǎn)對(duì)近十年紋理特征提

2、取方法進(jìn)行了論述，最后指出了該領(lǐng)域的發(fā)展趨勢(shì)及問題。下載[關(guān)鍵詞]圖像紋理；特征提取；小波；支持向量機(jī)doi：10.3969j.issn.16730194.2017.23.088[中圖分類號(hào)]TP311[文獻(xiàn)標(biāo)識(shí)碼]A[文章編號(hào)]16730194（2017）230175041引言隨著大數(shù)據(jù)時(shí)代的到來，相對(duì)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(duì)其分析和準(zhǔn)確識(shí)別是非常困難。而解決這個(gè)困難的方法之一是對(duì)圖像提取紋理，然后對(duì)提取的紋理進(jìn)行分析研究。這也是模式識(shí)別、圖像檢索、和計(jì)算機(jī)視覺等研究的基礎(chǔ)。在紋理研究的每個(gè)階段內(nèi)，隨著國內(nèi)外學(xué)者研究對(duì)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(jià)值，促使著大家對(duì)這一領(lǐng)域進(jìn)行更深入的研究。2紋理的基本定義及特性目

4、前，人們對(duì)紋理的精確定義還沒有完全統(tǒng)一，當(dāng)前幾個(gè)類別的定義基本上按不同的應(yīng)用類型形成相對(duì)的定義。一般認(rèn)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(duì)紋理信息所具有的如下特性達(dá)成共識(shí)：（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，通常可以表現(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(qiáng)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(jìn)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(jī)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(xiàn)截至目前，就圖像

6、紋理特征提取方法進(jìn)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(shí)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(duì)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(hào)處理、模型和統(tǒng)計(jì)等。本文從2005年開始，對(duì)紋理特征提取方面的主要文章進(jìn)行梳理。4.2.1基于信號(hào)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(jì)矩（共生矩陣）特性來實(shí)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(shí)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(shí)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(jìn)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(shí)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(jì)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(jiǎn)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(jìn)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(dá)（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(shí)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(jī)的紋理識(shí)別方法，有效解決了方向和尺度變化給紋理識(shí)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