论文图像纹理检测和特征提取技术综述，本文是特征提取方面有关毕业论文格式范文跟图像纹理检测和综述和提取有关毕业论文格式范文.
图像纹理检测与特征提取技术研究综述
李秀怡
（江苏省电子商务省级重点实验室（南京财经大学）,南京 210003）
［摘
要］ 图像纹理作为图像数据的重要信息,是符合人类视觉特征的重要信息之一.纹理检测与特征提取是纹理分类与分割的基础前提,可以应用到医疗、工业、农业、天文等多个领域,也是近几十年来一个经久不衰的热点研究.随着图像处理领域各种技术的发展,纹理特征分析提取方法也得到不断创新.文章在对相关文献进行调研的基础上,叙述了纹理特征提取方法的发展历程及研究现状,并重点对近十年纹理特征提取方法进行了论述,最后指出了该领域的发展趋势及问题.
［关键词］ 图像纹理；特征提取；小波；支持向量机
doi : 10 . 3969 / j . issn . 1673 - 0194 . 2017. 23. 088
［中图分类号］ TP311
［文献标识码］ A
［文章编号］ 1673 - 0194（2017）23- 0175- 04
１
引
言
随着大数据时代的到来,相对于一般数据,图像信息作为一种更直观更形象的数据表现形式,其应用已经深入到医学、工业、航空、农业等各行业领域中.而纹理作为图像的重要特征之一,可以充分反映图像的整体特征,因此也成为了诸多图像后处理技术所必备的研究条件.但是,纹理的复杂多样性使得研究者们对其分析和准确识别是非常困难.而解决这个困难的方法之一是对图像提取纹理,然后对提取的纹理进行分析研究.这也是模式识别、图像检索、和计算机视觉等研究的基础.在纹理研究的每个阶段内,随着国内外学者研究对图像纹理提取模型及算法的不断创新,以及纹理提取的广泛的应用价值,促使着大家对这一领域进行更深入的研究.
２
纹理的基本定义及特性
目前,人们对纹理的精确定义还没有完全统一,当前几个类别的定义基本上按不同的应用类型形成相对的定义.一般认为,纹理是图像色彩或者灰度在空间上的重复或变化形成纹理.通常,人们将组成纹理的基本单元称为纹理基元或纹元（ｔｅｘｔｕｒｅ ｅｌｅｍｅｎｔ）.
尽管关于纹理的定义尚未统一,但人们对纹理信息所具有的如下特性达成共识：
（１）纹理基元是纹理存在的基本元素,并一定是按照某种规律排列组合形成纹理；（２）纹理信息具有局部显著性,通常可以表现为纹理基元序列在一定的局部空间重复出现； （３）纹理有周期性、方向性、密度、强度和粗糙程度等基本特征,而与人类视觉特征相一致的周期性、粗糙性和方向性也更多的被用于进行纹理分类； （４）纹理区域内大致是均匀的统一体,都有大致相同的结构.
纹理的分类有很多种,根据纹理定义域的不同,纹理可以分为二维纹理和三维纹理；根据纹理的表现形式不同,纹理可以分为结构型纹理和随机性纹理.根据形成方式不同,可以分为自然纹理、人工纹理和混合纹理.
３
已有的综述类文献
截至目前,就图像纹理特征提取方法进行全面论述的只有刘丽等人的“图像纹理特征提取方法综述”.该文章回顾了纹理特征提取方法的早期发展历程,对截至到２００９年这个时间节点的纹理特征研究现状、分类模型以及提取方法进行了较为全面的综述,并预测了该时间节点之后的发展趋势.自此后至今尚未出现类似更新的全面综述文章.本文重点梳理了近十年来在纹理特征提取技术的最新进展.
４
纹理特征提取研究现状
4.1 国外
目前对纹理的分析研究已经近５０年的历史.从以前的发展来看,国外学者的研究主要集中在纹理特征提取方法的创新方面,也有算法的改进应用研究.
真正意义上的纹理研究是从２０世纪８０年始.当时出现的马尔可夫随机场（ＭＲＦ）理论和分形（Ｆｒａｃｔａｌ）理论为纹理特征研究开辟了新方向.许多国外学者基于这方面做出了开创性的研究成果.比较典型的是Ｃｈａｕｄｈｕｒｉ和Ｓａｒｋｅｒ提出的简单、快速并且具有高精度特性的差分计盒方法.这种方法也成为了后续研究者采用较多的一种方法.
自２０世纪９０年始,上述传统的纹理研究方法出现了一个瓶颈,即无法从多尺度实现纹理特征的描述.１９８６年左右开始出现的小波理论研究热潮,为更精细的纹理特征研究开辟了新思路.１９８９年,Ｍａｌｌａｔ首先将小波理论应用于纹理分析中,随后引发了基于小波分析的纹理研究热潮.随着小波理论不断发展,出现了树结构小波、小波框架以及小波包等多个分支.基于这些分支的图像纹理研究也相应出现.比较典型的有Ｃｈａｎｇ等人提出的基于树结构小波的纹理分类方法,Ｕｎｓｅｒ研究的基于小波框架的纹理分类方法.这些研究成果的出现均在图像纹理特征分析领域中起到了积极地推动作用.
进入２１世纪后,研究者们针对纹理以及纹理特征的分析进入了相对成熟的阶段,见图1.比较典型的是Ｏｊａｌａ等人在２００２年提出的基于局部二进制模式（ＬＢＰ）的纹理分析方法.该算法由于具有计算复杂度小、多尺度以及旋转不变等特性而得到广泛认可.
２０１０年,Ｓｈａｏ－Ｈｕ Ｐｅｎｇ等人提出了一种基于均匀估计方法（Ｕｎｉｆｏｒｍｉｔｙ Ｕｓｔｉｍａｔｉｏｎ Ｍｅｔｈｏｄ）的纹理特征提取算法,并将该方法应用于胸部ＣＴ图像中亮度和结构描述.２０１１年,Ｋｅｍａｌ ＩｈｓａｎＫｉｌｉｃ等人提出了一种利用分形尺寸和空隙度来提高纹理识别性能.Ｙｅｏｎｇ－Ｙｕｈ Ｘｕ等人提出了一种基于神经网络的广义概率决策实现纹理识别方法.２０１３年,Ｒｏｄｒｉｇｏ Ｐｅｒｅｉｒａ Ｒａｍｏｓ等人提出了一种利用强度梯度的特征值分析和多分辨率分析实现具有旋转不变性的纹理特征提取方法,用于图像检索.２０１５年,Ｔｉｅｃｈｅｎｇ Ｓｏｎｇ等人提出了一种基于局部量化模型,利用空频域共生性来实现纹理表征的一种方法.Ｈａｄｉ Ｈａｄｉｚａｄｅｈ提出了一种利用多分辨率局部Ｇａｂｏｒ小波二进制模型来实现灰度级纹理描述方法.２０１６年,Ｌｉｍｉｎｇ Ｔａｎｇ等人提出了一种多级变化分解模型来实现不同尺度下纹理特征的提取.Ｄｅｅｐｓｈｉｋｈａ Ｔｉｗａｒｉ等人提出了一种使用多分辨率带权边型的局部结构模式实现动态纹理识别的方法.２０１７年,Ｊｏ?觀ｏ Ｂａｔｉｓｔａ Ｆｌｏｒｉｎｄｏ等人提出了一种使用离散薛定谔变换（Ｄｉｓｃｒｅｔｅ Ｓｃｈｒｏｅｄｉｎｇｅｒ Ｔｒａｎｓｆｏｒｍ）进行纹理识别的方法.Ｓｈｅｒｖｉｎ Ｒａｈｉｍｚａｄｅｈ Ａｒａｓｈｌｏｏ等人提出了一种使用深多尺度卷积网络来实现动态纹理表示的方法.
4.２ 国内
近十年,国内学者在相关研究方向主要是改进各种算法,把某种具体方法应用于实际领域,论文发表如图2所示.
由图2可见,２００５年之前,国内在纹理研究方面论文相对较少,在纹理特征提取方面更是寥寥.自２００５年开始相关研究热度有明显上升,主要研究方向集中于基于信号处理、模型和统计等.本文从２００５年开始,对纹理特征提取方面的主要文章进行梳理.
4.2.1 基于信号处理的方法
２００５年,张志龙等人提出的利用局部沃尔什变换（Ｌｏｃａｌ Ｗａｌｓｈ Ｔｒａｎｓｆｏｒｍ）提取图像纹理特征的方法.尚赵伟等人提出的基于不同复小波变换方法的一阶和二阶统计矩（共生矩阵）特性来实现纹理特征提取的方法.葛晓菁等人提出的利用Ｇｂａｏｒ小波变换与高斯归一化的综合方法来实现纹理特征提取的算法.王丽亚等人提出的利用纹理信息频域分布以及尺度特性实现纹理特征提取的算法.陈洋、黄百钢等人均提出的结合Ｇａｂｏｒ滤波和ＩＣＡ技术进行纹理特征的提取方法.赵一凡等人提出的利用方向可控滤波器（ｓｔｅｅｒａｂｌｅ ｆｉｌｔｅｒ）和轮廓波（ｃｏｎｔｏｕｒｌｅｔ）分解的方向性及能量变化特性实现纹理特征提取方法.２００９年,汪闽等人提出的基于模板分解与递归式滤波的遥感图像快速Ｇａｂｏｒ纹理特征提取方法.刘明霞等人提出的基于非下采样轮廓波（ｃｏｎｔｏｕｒｌｅｔ）变换的纹理特征提取方法.２０１０年,刘金平等人提出的基于Ｇａｂｏｒ滤波的泡沫图像纹理特征提取方法.周平等人提出的基于小波分解的纹理特征提取方法.
4.2.2 基于统计的方法
张涛等人提出的基于多分辨率差分矩阵（Ｍｕｌｔｉ－ｒｅｓｏｌｕｔｉｏｎ Ｄｉｆｆｅｒｅｎｃｅ Ｍａｔｒｉｘ）来提取纹理特征的方法.２００６年,赵珊等人提出的基于方块编码（Ｂｌｏｃｋ Ｔｒｕｎｃａｔｉｏｎ Ｃｏｄｉｎｇ）的图像纹理特征提取算法.王耀南等人提出的基于分形维数的图像纹理分析方法.赵莹等人提出的基于分形理论的多尺度多方向纹理特征提取方法.２０１１年,唐朝晖等人提出的基于ＬＢＰＶ（ｌｏｃａｌ ｂｉｎａｒｙ ｐａｔｔｅｒｎ ｖａｒｉａｎｃｅ）的泡沫图像纹理特征提取方法.２０１２年,王国德等人提出的融合ＬＢＰ和ＧＬＣＭ的纹理特征提取方法.周书仁等人提出的基于Ｈａａｒ特性局部二值模式（Ｈａａｒ ｌｏｃａｌ ｂｉｎａｒｙ ｐａｔｔｅｒｎ,简称 ＨＬＢＰ）的图像纹理特征提取方法.２０１４年,何楚等人提出的基于局部重要性采样二进编码的图像纹理特征描述方法,并将该方法应用于合成孔径雷达（Ｓｙｎｔｈｅｔｉｃ ａｐｅｒｔｕｒｅ ｒａｄａｒ, ＳＡＲ）图像的纹理特征提取.乔双等人提出的新型的快速纹理提取算法Ｃ－ＬＢＰ来实现射线图像的纹理特征提取.
4.2.3 基于模型的方法
李杰等人提出的基于Ｗｏｌｄ模型和支持向量机的纹理识别方法,有效解决了方向和尺度变化给纹理识别带来的困难.华淼等人提出的基于多尺度网格划分及直方图分析的主纹理提取方法.
4.2.4 基于结构的方法
２０１３年,陈宁等人提出的基于颜色共生混合结构（ｃｏｌｏｒ ｃｏ－ｏｃｃｕｒｒｅｎｃｅ ｈｙｂｒｉｄ ｓｔｒｕｃｔｕｒｅ, ＣＣＨＳ）的浮选泡沫图像纹理特征提取方法.黄颖等人提出的基于代数多重网格（ＡＭＧ）分析提取纹理特征的方法.贾建华等人提出的基于质心不变特性（Ｉｎｖａｒｉａｎｔ Ｃｅｎｔｒｏｉｄ）的仿射不变纹理特征提取算法.
4.2.5 其他
２０１５年,梅浪奇等人提出的基于多特征的纹理特征提取算法,该方法主要通过将基于灰度共生矩阵算法、基于局部二值模式算法和基于小波变换算法所提取的特征进行融合进而实现纹理特征提取.
5
纹理特征提取算法的评价指标
目前针对纹理特征提取方法性能评估标准的研究文献还鲜有出现,一方面是因为各种算法之间的比较工作确实很难进行,另一方面也是因为当然还没有一个或几个公认统一的指标作为评价算法有效性的共性标准.
现有的对算法的实用性和有效性比较,主要是从算法的鲁棒性、与人眼视觉感受的差异度、提取纹理特征过程的计算复杂度、提取的纹理特征的特征分离度、在纹理分类与分割中的分类正确率几方面进行.而现有各类算法在各类指标性能评价上各有优劣.
6
纹理特征提取发展趋势及未来主要问题
纹理分析作为图像处理领域经久不衰的热点研究领域,学术界在该领域已取得一定的成功.迄今为止,在基于统计、模型、信号处理和结构等方面虽然已经出现了很多提取图像纹理特征的方法,但是它们在现有的各种性能评价指标上无法同时实现理想化效果,而往往人们也只能根据自身实际应用的需求,去选择相对更适合的纹理提取方法.
总结对纹理特征提取方法的研究,本文认为存在如下一些亟待解决的问题：
大多数纹理特征提取方法主要是以方法本身和实验性研究为主,在视觉可区分的纹理上进行实验和验证,并且针对纹理边缘相对简单的图像,而对于含有多种纹理类型的复杂的边界问题的研究较少,此外对视觉上是不可区分的纹理的研究和实验也不多见.许多算法应用于测试图像还可以取得较好的效果,但是应用到实际的、大尺寸的图像,却还存在一定问题.
而在实际研究中,巧妙的对基础算法进行改进或组合,已达到更理想的效果,也是纹理分析的一个重要研究方向.
主要参考文献
［１］王耀南,王绍源,毛建旭． 基于分形维数的图像纹理分析［J］．湖南大学学报：自然科学版,２００６,33（5）．
［２］陈洋,王润生． 结合Ｇａｂｏｒ滤波器和ＩＣＡ技术的纹理分类方法［J］．电子学报,２００７（2）．
［３］贾建华,焦李成,黄文涛． 一种基于质心不变特性的仿射不变纹理特征提取算法［J］．电子学报,２００８（10）．
［４］黄百钢,李俊山． 应用 ＩＣＡ 滤波器技术提取图像纹理特征［J］．光电工程,２００８,35（6）．
［５］汪闽,张星月．基于模板分解与递归式滤波的遥感图像快速Ｇａｂｏｒ纹理特征提取［Ｊ］．测绘学报,２００９,３８（６）．
［６］刘明霞,侯迎坤,郭小春,等．新的纹理图像特征提取方法［J］．计算机应用,２００９（１２）．
［７］刘金平,桂卫华,牟学民,等． 基于Ｇａｂｏｒ小波的浮选泡沫图像纹理特征提取［J］．仪器仪表学报,２０１０,31（８）．
［８］周平,李传富,符志鹏．基于小波分解的脑ＣＴ图像纹理特征提取［J］．仪器仪表学报,2010,３１（３）．
［９］唐朝晖,朱楚梅,刘金平． 基于ＬＢＰＶ的浮选泡沫图像纹理特征提取［J］．计算机应用研究,２０１１,28（１０）．
［１０］华淼,陈昕,王文成． 简捷的主纹理提取方法［J］．计算机辅助设计与图形学学报,２０１１,21（１）．
［１１］王国德,张培林,任国全,等． 融合ＬＢＰ和ＧＬＣＭ的纹理特征提取方法［J］．计算机工程,2012,３８（１１）．
［１２］陈宁,林霞,桂卫华,等． 基于 ＣＣＨＳ 的浮选泡沫图像纹理特征提取［J］．中南大学学报：自然科学版,２０１３,44（１１）．
［１３］周书仁,殷建平． 基于Ｈａａｒ特性的ＬＢＰ纹理特征［J］．软件学报, ２４（８）：１９０９－１９２６．
［１４］黄颖,李伟生,周丽芳,等． 使用图割方法提取图像的纹理特征［J］．计算机工程与应用,２０１３,４９（１１）．
［１５］何楚,尹莎,许连玉,等． 基于局部重要性采样的 ＳＡＲ 图像纹理特征提取方法［J］．自动化学报,2014,4（2）．
［１６］梅浪奇,郭建明,刘清． 基于多特征的纹理特征提取方法研究与应用［J］．交通信息与安全,２０１５,33（２）．
［１７］乔双,李健,孙佳宁． 射线图像的快速纹理提取算法［J］．原子能科学技术,2015,33（5）.
汇总,此文为一篇关于特征提取方面的大学硕士和本科毕业论文以及图像纹理检测和综述和提取相关特征提取论文开题报告范文和职称论文写作参考文献资料.
参考文献：
1、 交互式问答专利技术综述 一、引言搜索引擎技术的发展和普及,使人们能够通过搜索引擎得到各种信息,但是仍然存在诸多方面的不足 为了克服此类弊端,被称为下一代搜索引擎的问答系统,以其能准确理解用户的自然语言和直接返回查询答案结果的.
2、 一种改进的人体行为特征提取算法 【摘要】 在视频理解中,人体行为识别非常重要,随着其他技术的发展,人体行为识别被广泛的应用在实际中,在异常事件监测、人机交互、视频搜索……方面都有着广泛运用 当前,各类不同的人体行为识别算法不断涌现,.
3、 基于改进SIFT和RANSAC的物体特征提取和匹配 摘 要使用基于RANSAC提纯的改进SIFT算子和SIFT算子分别在两张不同视角的图像中提取并匹配特征点对,通过实验结果验证了基于改进的SIFT算提取特征点的准确率和匹配的精度都要比SIFT算子和H.
4、 基于小波变换和数学形态学的图像边缘检测方法 摘 要为得到更加连续完整的边缘图像,提出一种基于B样条小波变换与数学形态学的图像边缘检测方法,在此方法中给出有效重构算法 针对自然图像,利用B样条小波变换作用于图像的高频子图像得到高频边缘图；利用数.
5、 对植物性天然香料与其提取技术的相关分析 摘要院主要围绕植物性天然香料的香气展开分析,并探究其提取技术 关键词院植物性；天然香料；提取技术近年来,伴随人们物质生活条件日益改善,天然香料因其自然、环保、绿色、健康……特征备受人们认同与青睐 我国.
6、 固镇县主要粮食作物主推技术综述 为促进粮食适度规模经营和稳定持续发展,按照“稳粮增收、提质增效”的发展思路,固镇县加快粮食绿色增产技术的推广,促进粮食生产由数量向质量数量效益并重转变,从而带动粮食生产质量安全.