第 6页 本科毕业设计说明书

域进行，根据傅里叶变换的性质，纹理图像的傅里叶频谱可以将原始图像分解成不同的频带， 进而进行多分辨处理。

（3）Gabor 滤波 傅里叶变换可以对图像进行全局分析，但不能良好的解决频域内特定区域的分析。而

Gabor 滤波器拥有频域和时域的联合最优分辨率,还能够很好的模拟人类视觉系统。利用这些 优点，Gabor 滤波方法在纹理特征提取中拥有广泛的用途。Gabor 滤波方法的基本思想是：不 同纹理图像具有各自独特的属性，每个纹理都对应着带宽和中心频率，根据这些不同的图像 信息可以设计一组 Gabor 滤波器，每个 Gabor 滤波器仅仅过滤与其频率相近的纹理，抑制其 他纹理的能量。最后将纹理特征从滤波器的输出信息中提取出来并进行分析。

（4）小波变换 小波变换的多尺度分解特性可以很好的分析纹理图像。它将纹理图像在频域分解成低频

子带即基本的纹理结构和若干方向上的高频子带即纹理细节，然后提取各子带的特征形成特 征向量用来描述复杂细致的纹理。根据图像中采集的频率信号特性，小波变换可以分为树状 小波变换、复小波变换和塔式小波变换等。塔式小波变换弥补了二进制小波变换的缺陷，常 常运用于纹理分类和分割领域。树状小波变换分为不完全树型和完全树型小波变换。它结合 了图像低频、高频信息，对图像整体进行分解，可以有效的反映纹理信息。因此在纹理分析 中运用比较广泛。复小波变换解决了传统实小波变换在平衡性和方向选择性上的一些问题， 在纹理检索等领域发挥了较大的作用。[8]

总之，基于信号处理法的纹理特征的提取从多分辨角度对纹理进行描述，可以在比较细 微的尺度上分析纹理。小波与人类视觉特征相符，能够兼顾时域、频域特性，因此提取的特 征在图像分析中有较大作用。纹理图像的信息不仅包含低频部分，还有高频部分，但是正交 小波变换仅仅针对低频部分，因此对图像信息的运用不够充分。[9]同时小波变换的方法也存 在局限性，在图像纹理比较规则的时候效果较好。而当图像中存在复杂的背景或噪声干扰时， 小波变换的效果并不如意。此外，小波变换还存在计算量大等问题。

2。2。2。2 基于统计的纹理分析方法 纹理的统计分析可以在空域和频域进行。在图像空间域，基于统计的方法包括：纹理矩、

自相关函数、灰度共生矩阵分析、灰度游程长度等。 基于图像像素邻域空间灰度分布，一幅图像中一定间隔的两像素必然会有灰度联系，这

就是图像灰度空间相关特性。 由图像灰度级间的联合概率密度组成的矩阵可以称为共生矩阵，反映图像中随意两像素

本科毕业设计说明书 第 7页

间的空间相关特性。图像不一样则纹理尺度也不一样，继而灰度共生矩阵也有很大的差别。 细致纹理细节多，灰度共生矩阵中较大像素分布于主对角线附近；粗糙纹理相似区域多，灰 度共生矩阵中较大像素分布则比较均匀。

灰度游程也能用来描述图像纹理，它是具备一样灰度值的最大同线连接像素集合。灰度 游程是一个二维 RL 阵列，阵列的行指其灰度值，阵列的列指其长度。

基于频域的纹理统计方法主要是将空间域的纹理图像变换到频率域中，从而可以通过频 谱提取图像的纹理特征。图 3。2 给出了纹理统计分析方法在这两个域中的关系图。从图 3。2 中 可以看出，纹理图像利用傅里叶变换可以在空域-频域之间转换。在图像空间域纹理分析中主 要有共生矩阵、自相关函数、差分统计等。其中，自相关函数与图像的功率谱之间是傅里叶 变换与逆变换的关系。