图 2。1 不同纹理统计方法的关系

由于自然纹理的灰度基元分布较为随机，所以基于统计的纹理分析法比较适合描述自然 纹理，常可提供纹理的平滑、稀疏、规则等性质，主要用于分析木纹、波纹、沙地等纹理细 密且杂乱无序的图像。由此可见，本文主要采用的基于统计的方法也会适用于海面图像纹理 的特征提取与处理。

2。3 纹理分析的应用领域和发展前景

目前，人类生活中的各个领域都利用了纹理分析，其中应用的主要领域是在目标识别与 自动检测、图像检索、医学图像分析、纹理合成、遥感测量等。随着技术的发展，机器视觉 系统在许多领域都得到了更加广泛的应用，而纹理分析技术自然也是如此。不过纹理分析在 未来的研究方面主要还是在这三个方面，一是它具有不变性的纹理特征，二是需要多尺度纹 理分析，最后是多特征的融合技术。[7]

2。4 本章小结

本章主要是讲了纹理图像分析的相关概念和一些基本方法，我开始就对纹理进行可分类和解 释说明下纹理特征，然后详细的分析了给予小波变换对纹理的分类。本章主要还是对纹理图

第 8页 本科毕业设计说明书

像技术进行了系统的说明，还对纹理分析方法中的结构分析法和信号处理法的核心内容以及 这两个方法的优缺点进行详细的说明。从而明确了本文采用的基于统计的方法更加适合处理 海面图像这种自然纹理。文献综述

本科毕业设计说明书 第 9页

3 纹理特征的提取

3。1 纹理特征提取的概念

为了获得纹理图像的定量分析，我们就需要对纹理基元分析特征。就目前来说，纹理特 征的描述提取方法主要分为四种，一是统计法中的灰度共生矩阵法，二是结构法中的形式语 言法，三是频谱法中的 Gabor 滤波器法，四是模型法中的 Markov 随机场法。[8]而本文研究 的小波分析变换也是目前纹理图像处理的理想方法之一。下面就简单的介绍几种纹理特征的 提取方法。

3。2 灰度-梯度共生矩阵

灰度-梯度共生矩阵是在灰度共生矩阵法的基础上加以改善，从而能够的得到图像灰度和 梯度之间关系的方法。灰度是构成图像的基础，梯度是构成图像轮廓的基本要素。[6]所以我 们可以通过灰度-梯度共生矩阵法得到图像的像素灰度分布与梯度分布的规律，也可以把图像 中的各个像素灰度与其相邻区域像素灰度分布的空间关系更加全面地描述出来。

3。2。1 灰度-梯度共生矩阵的定义

我们可以灰度-梯度共生矩阵的元素 H i, j 定义为在归一的灰度图像矩阵 F i, j 和归一 图像梯度矩阵 G i, j 中相同具有灰度值为 i 和梯度值为 j 的总像素点个数。

如果我们二维函数f i, j ,i 1, 2,, M , j 1, 2,, N看为我们接下来要分析的纹理图像，

然后我们可以用 Sobel 算子计算各像点梯度归一变换和灰度归一变换。

灰度归一变换： F i, j INT f i, j Ng

上式（3-1）中 INT 表示取整运算， fmax 是图像的最大灰度值。 Ng 为归一后的最大灰度 值， F (i, j) 即为所需要的归一化的图像灰度矩阵。

为了让上式简单化，我们需要令 g i, j 为图像梯度矩阵，然后经过正规化处理后上为 ：