本文共 733 字，大约阅读时间需要 2 分钟。

图像纹理是一个难以精确定义的概念。从视觉角度来看，当我们将图像区域内的内容理解为具有某种均匀性整体视觉感受，而不是由若干物体或物体部分组成时，这种对图像区域的视觉感受通常被称为纹理。这种定义带有一定的主观性。客观地讲，如果将一幅图像视为一个矩阵或具有两个自变量的函数，那么任何图像区域都可以赋予一个属性（以该区域内容为自变量的函数），其中一些属性与该区域的纹理视觉感受较为吻合。

纹理特征提取是实现上述目标的核心技术之一。该过程通过计算得到的特征通常是由若干量组成的矢量。在基于内容的图像检索、遥感图像识别与理解、医学成像诊断以及材料表面质量检测等领域，这类纹理特征发挥着重要作用。

本实验室自2006年提出了一种多尺度斑块纹理特征。该方法首先从分辨率和灰度两个维度对纹理图像进行分解，生成二值图像阵列。随后，通过统计二值图像中的0值连通域和1值连通域的属性，提取出纹理特征。实验结果表明，该方法在联合大规模纹理集（Brodatz + VisTex + CURet + OuTex）上的正确分类率达到92%，在查全率为50%时，查准率为82.5%，显著优于当时其他方法。

此外，本实验室还提出了统计地形特征。该方法在Brodatz纹理全集上的正确分类率达到94%，这一识别率在文献检索中被认为是当时最高的水平。

1995年，本实验室的成员在英国南安普敦大学完成了一项关于统计几何特征的研究。该方法首先使用序列的阈值二值化纹理图像，生成二值图像序列。然后，对每幅二值图像中的1值连通域和0值连通域进行统计分析，计算出纹理特征。实验结果显示，该方法在大规模纹理集上的识别率显著高于当时其他方法，达到86%。

统计几何特征已经在肿瘤诊断、食品质量检测等领域得到了实际应用。

转载地址：http://forfk.baihongyu.com/