1、第三章第三章 遙感圖像的紋理分析遙感圖像的紋理分析主要內(nèi)容主要內(nèi)容1 圖像的紋理特征圖像的紋理特征2 紋理分析的方法紋理分析的方法3 遙感圖像的紋理分析遙感圖像的紋理分析3.1圖像的紋理特征圖像的紋理特征3.1.1 3.1.1 紋理的定義紋理的定義 紋理 (Tuxture) 一詞最初指纖維物的外觀。字典中對(duì)紋理的定義是“由緊密的交織在一起的單元組成的某種結(jié)構(gòu)”。習(xí)慣上，把圖像中這種局部不規(guī)則的，而宏觀有規(guī)律的特性稱(chēng)之為紋理。因此，紋理是由一個(gè)具有一定的不變性的視覺(jué)基元，通稱(chēng)紋理基元，在給定區(qū)域內(nèi)的不同位置上，以不同的形變及不同的方向重復(fù)地出現(xiàn)的一種圖紋。 人工紋理是某種符號(hào)的有序排列， 這些符

2、號(hào)可以是線條、點(diǎn)、字母等，是有規(guī)則的。自然紋理是具有重復(fù)排列現(xiàn)象的自然景象，如磚墻、森林、草地等圖案，往往是無(wú)規(guī)則的。 紋理紋理是一種普遍存在的視覺(jué)現(xiàn)象，目前對(duì)于紋理的精確是一種普遍存在的視覺(jué)現(xiàn)象，目前對(duì)于紋理的精確定義還未形成統(tǒng)一認(rèn)識(shí)，多根據(jù)應(yīng)用需要做出不同定定義還未形成統(tǒng)一認(rèn)識(shí)，多根據(jù)應(yīng)用需要做出不同定義義 兩種較常采用的定義兩種較常采用的定義： 定義定義1 按一定規(guī)則對(duì)元素（按一定規(guī)則對(duì)元素（elements）或基元（）或基元（primitives）進(jìn)行排列所形成的重復(fù)模式）進(jìn)行排列所形成的重復(fù)模式. 定義定義2 如果圖像函數(shù)的一組局部屬性是恒定的，或者是如果圖像函數(shù)的一組局部屬性是恒定

3、的，或者是緩變的，或者是近似周期性的，則圖象中的對(duì)應(yīng)區(qū)域具緩變的，或者是近似周期性的，則圖象中的對(duì)應(yīng)區(qū)域具有恒定的紋理有恒定的紋理3.1圖像的紋理特征圖像的紋理特征磚墻、布、云、動(dòng)物皮毛、亂草、樹(shù)葉常見(jiàn)紋理圖案：3.1圖像的紋理特征圖像的紋理特征(a)(b)圖： 人工紋理與自然紋理(a) 人工紋理； （b）自然紋理 3.1圖像的紋理特征圖像的紋理特征包含多個(gè)紋理區(qū)域的圖象包含多個(gè)紋理區(qū)域的圖象 紋理是區(qū)域?qū)傩?，并且與圖像分辨率（或紋理是區(qū)域?qū)傩?，并且與圖像分辨率（或稱(chēng)尺度，稱(chēng)尺度，resolution or scale）密切相關(guān)）密切相關(guān) 重復(fù)性、規(guī)則性、周期性、方向性重復(fù)性、規(guī)則性、周期性、

4、方向性 紋理分析紋理分析：研究紋理圖像的特性研究紋理圖像的特性紋理分類(lèi)：紋理分類(lèi)：從給定的一組紋理集中識(shí)別給定的紋理從給定的一組紋理集中識(shí)別給定的紋理區(qū)域。區(qū)域。紋理分割：紋理分割：把圖片分成不同的部分，每部分內(nèi)部具把圖片分成不同的部分，每部分內(nèi)部具有相近的紋理。有相近的紋理。從紋理恢復(fù)形狀：從紋理恢復(fù)形狀：由圖像紋理恢復(fù)表面的方向和表由圖像紋理恢復(fù)表面的方向和表面形狀。面形狀。紋理合成紋理合成：利用小樣本構(gòu)造大紋理利用小樣本構(gòu)造大紋理基于點(diǎn)合成：基于點(diǎn)合成：每次合成一個(gè)像素點(diǎn)。每次合成一個(gè)像素點(diǎn)。 基于塊合成：基于塊合成：每次合成一個(gè)像素塊。每次合成一個(gè)像素塊。3.2.1 3.2.1 紋理分

5、析方法紋理分析方法 1、統(tǒng)計(jì)分析方法 憑人們的直觀影響，即從圖像有關(guān)屬性的統(tǒng)計(jì)分析 出發(fā)，統(tǒng)計(jì)紋理特征。 2、結(jié)構(gòu)分析方法 從圖像結(jié)構(gòu)的觀點(diǎn)出發(fā)，則認(rèn)為紋理是結(jié)構(gòu)。紋理 分析應(yīng)該采用句法結(jié)構(gòu)方法，力求找出紋理基元，再 從結(jié)構(gòu)組成探索紋理的規(guī)律或直接去探求紋理構(gòu)成的 結(jié)構(gòu)規(guī)律。3.2紋理分析方法紋理分析方法3.2.2 紋理描述和度量方法紋理描述和度量方法 1、統(tǒng)計(jì)法統(tǒng)計(jì)法 2、結(jié)構(gòu)法結(jié)構(gòu)法 3、頻譜法頻譜法 統(tǒng)計(jì)法是利用灰度直方圖的矩來(lái)描述紋理的，可分為灰度差分統(tǒng)計(jì)法和行程長(zhǎng)度統(tǒng)計(jì)法。1. 灰度差分統(tǒng)計(jì)法 設(shè)(x, y)為圖像中的一點(diǎn)，該點(diǎn)與和它只有微小距離的點(diǎn)(x+x, y+y)的灰度差值為

6、3.2紋理分析方法紋理分析方法 g稱(chēng)為灰度差分。設(shè)灰度差分的所有可能取值共有m級(jí)，令點(diǎn)(x, y)在整個(gè)畫(huà)面上移動(dòng)，累計(jì)出g(x, y)取各個(gè)數(shù)值的次數(shù)， 由此便可以作出g(x, y)的直方圖。由直方圖可以知道g(x, y)取值的概率p(i)。 當(dāng)采用較小i值的概率p(i)較大時(shí)，說(shuō)明紋理較粗糙；概率較平坦時(shí)，說(shuō)明紋理較細(xì)。),(),(),(yyxxgyxgyxg該方法采用以下參數(shù)描述紋理圖像的特征：iipiCON)(2（2） 角度方向二階矩: iipASM2)(（3） 熵: iipipENT)(lg)(（4）平均值: iiipmMEAN)(1（1） 對(duì)比度：灰度差分統(tǒng)計(jì)法灰度差分統(tǒng)計(jì)法 在上

7、述公式中，p(i)較平坦時(shí)， ASM較小，ENT較大；若p(i)分布在原點(diǎn)附近，則MEAN值較小。 2. 行程長(zhǎng)度統(tǒng)計(jì)法 設(shè)點(diǎn)(x , y)的灰度值為g，與其相鄰點(diǎn)的灰度值也可能為g， 統(tǒng)計(jì)出從任一點(diǎn)出發(fā)沿方向上連續(xù)n個(gè)點(diǎn)都具有灰度值g這種情況發(fā)生的概率，記為p(g, n )。在同一方向上具有相同灰度值的像素個(gè)數(shù)稱(chēng)為行程長(zhǎng)度。 由p(g, n)可以定義出能夠較好描述紋理特征的如下參數(shù)： （1） 長(zhǎng)行程加重法： ngngngpngpnLRE,2),(),(當(dāng)行程長(zhǎng)時(shí)，LRE大。 （2） 灰度值分布： nggnngpngpGLD,2),(),(（3）行程長(zhǎng)度分布： nggnngpngpRLD,),

8、(),(（4）行程比： 2,),(NngpRPGng式中，N2為像素總數(shù)。 當(dāng)灰度行程等分布時(shí)，GLD最?。蝗裟承┗叶瘸霈F(xiàn)多，即灰度較均勻，則GLD大。 當(dāng)灰度各行程均勻，則RLD小，反之像素灰度行程長(zhǎng)短不均勻，則RLD大。 紋理常用它的粗糙性來(lái)描述。例如，在相同的觀看條件下， 毛料織物要比絲織品粗糙。粗糙性的大小與局部結(jié)構(gòu)的空間重復(fù)周期有關(guān)，周期大的紋理細(xì)。這種感覺(jué)上的粗糙與否不足以定量紋理的測(cè)度，但可說(shuō)明紋理測(cè)度變化傾向。即小數(shù)值的紋理測(cè)度表示細(xì)紋理，大數(shù)值紋理測(cè)度表示粗紋理。 用空間自相關(guān)函數(shù)作紋理測(cè)度的方法如下： 3自相關(guān)函數(shù)方法自相關(guān)函數(shù)方法設(shè)圖像為f (m, n)，自相關(guān)函數(shù)可由下

9、式定義： wkwknwjwjmwkwknwjwjmnmfnmfnmfkjC2),(),(),(),( 上式是對(duì)（2w+1）(2w+1)窗口內(nèi)的每一個(gè)像素點(diǎn)（j ,k）與偏離值為, =0, 1, 2, , T的像素之間的相關(guān)值進(jìn)行計(jì)算。一般紋理區(qū)對(duì)給定偏離（, ）時(shí)的相關(guān)性要比細(xì)紋理區(qū)高，因而紋理粗糙性與自相關(guān)函數(shù)的擴(kuò)展成正比。自相關(guān)函數(shù)擴(kuò)展的一種測(cè)度是二階矩， 即 ),(),(22kjCkjTkTjT付立葉功率譜紋理分析法的基本思想：付立葉變換：dxdyvyuxjyxfvuF2exp, vuFvuFvuF,*2功率譜：4傅立葉頻譜分析法傅立葉頻譜分析法 功率譜的徑向分布與圖像f(x,y)空間域

10、中的紋理的粗細(xì)程度有關(guān)。對(duì)于稠密的細(xì)紋理，功率譜沿徑向的分布比較分散；對(duì)于稀疏的粗紋理，功率譜往往比較集中于原點(diǎn)附近；對(duì)于有方向性的紋理，功率譜的分布將偏置于與紋理垂直的方向上。紋理圖像傅立葉功率譜 頻譜法借助于傅立葉頻譜的頻率特性來(lái)描述周期的或近乎周期的二維圖像模式的方向性。常用的三個(gè)性質(zhì)是： (1) 傅立葉頻譜中突起的峰值對(duì)應(yīng)紋理模式的主方向; (2) 這些峰在頻域平面的位置對(duì)應(yīng)模式的基本周期; (3) 如果利用濾波把周期性成分除去， 剩下的非周期性部分可用統(tǒng)計(jì)方法描述。 0(a)S()(b)0S()22 實(shí)際檢測(cè)中，為簡(jiǎn)便起見(jiàn)可把頻譜轉(zhuǎn)化到極坐標(biāo)系中, 此時(shí)頻譜可用函數(shù)S(r, )表示，

11、如上圖所示。對(duì)每個(gè)確定的方向， S(r, )是一個(gè)一維函數(shù)S(r)；對(duì)每個(gè)確定的頻率r，S(r, )是一個(gè)一維函數(shù)Sr()。對(duì)給定的，分析S(r)得到的頻譜沿原點(diǎn)射出方向的行為特性；對(duì)給定的r，分析Sr()得到的頻譜在以原點(diǎn)為中心的圓上的行為特性。如果把這些函數(shù)對(duì)下標(biāo)求和可得到更為全局性的描述，即 )()(0rSrS)()(1RrrSS式中，R是以原點(diǎn)為中心的圓的半徑。 S(r)和S()構(gòu)成整個(gè)圖像或圖像區(qū)域紋理頻譜能量的描述。圖9-13(a)、 (b) 給出了兩個(gè)紋理區(qū)域和頻譜示意圖，比較兩條頻譜曲線可看出兩種紋理的朝向區(qū)別，還可從頻譜曲線計(jì)算它們的最大值的位置等。 紋理和對(duì)應(yīng)的頻譜示意圖

12、0(a)S()(b)0S()22 灰度共生矩陣法（聯(lián)合概率矩陣法）是對(duì)圖像的所有像素進(jìn)行統(tǒng)計(jì)調(diào)查，以便描述其灰度分布的一種方法。此方法是圖像灰度的二階統(tǒng)計(jì)量，是一種對(duì)紋理的統(tǒng)計(jì)分析方法。 灰度共生陣 p(d,) 定義為從灰度為i的點(diǎn)離開(kāi)某個(gè)固定的位置（相距d，方向?yàn)?的點(diǎn)上灰度為j的概率。往往適當(dāng)?shù)剡x擇d，而 則取0,45,90,135度。 5灰度共生矩陣法灰度共生矩陣法 對(duì)于具有對(duì)于具有G個(gè)灰度級(jí)的圖像，受位移矢量個(gè)灰度級(jí)的圖像，受位移矢量d=(a,b),控制的控制的 灰度級(jí)共生矩陣灰度級(jí)共生矩陣P 是一個(gè)是一個(gè) 的矩陣，的矩陣，矩陣行列表示各矩陣行列表示各 個(gè)灰度級(jí)，矩陣元素反映兩種灰度在

13、相距一定距離的位個(gè)灰度級(jí)，矩陣元素反映兩種灰度在相距一定距離的位 置上同時(shí)出現(xiàn)的次數(shù)置上同時(shí)出現(xiàn)的次數(shù)，具體按下式計(jì)算：，具體按下式計(jì)算：例：例：已知圖像(a),當(dāng)d=1時(shí)計(jì)算灰度共生矩陣 p(1,0)， p(1,45)， p(1,90)， p(1,135)。解：解：根據(jù)灰度共生矩陣的定義，對(duì)圖像中個(gè)像素點(diǎn)進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)相距為d，方位為的點(diǎn)上灰度值為i和j的像素對(duì)的數(shù)目#i,j如下式：統(tǒng)計(jì)得4個(gè)灰度共生矩陣如圖(b),(c),(d),(e)所示： 由此可見(jiàn)，d,取不同的數(shù)值組合，可以得到不同情況下的灰度共生矩陣。 當(dāng)d 取值較小時(shí)，對(duì)應(yīng)于變化緩慢的紋理圖像（較細(xì)的紋理），其灰度共生矩陣對(duì)角線上

14、的數(shù)值較大；而紋理的變化越快，則對(duì)角線上的數(shù)值越小，而對(duì)角線兩側(cè)上的元素值增大。 灰度共生矩陣并不能直接提供紋理信息，為了能描述紋理的狀況，需在灰度共生矩陣的基礎(chǔ)上再提取能綜合表現(xiàn)灰度共生矩陣狀況的紋理特征量，稱(chēng)為二次統(tǒng)計(jì)量。 一幅圖像的灰度級(jí)數(shù)一般是256級(jí)，這樣級(jí)數(shù)太多會(huì)導(dǎo)致計(jì)算灰度共生矩陣大，計(jì)算量大。為了解決這一問(wèn)題，在求灰度共生矩陣之前，常壓縮為16級(jí)。 在提取特征之前，需對(duì)灰度共生矩陣作正規(guī)化處理。 令 (i,j) = p(i,j)/ R R-正規(guī)化常數(shù)。當(dāng)取d=1，=0時(shí)，每一行有2(Nx1)個(gè)水平相鄰像素對(duì)，因此總共有2Ny(Nx1)水平相鄰像素對(duì)，這時(shí)R=2Ny(Nx1)。同

15、樣當(dāng)取d=1，=45時(shí)，共有2(Ny1)(Nx1)相鄰像素對(duì)，R=2(Ny 1)(Nx 1) 。由對(duì)稱(chēng)性可知，當(dāng) =90和135時(shí)，其相鄰像素對(duì)數(shù)是顯然的。p 灰度共生矩陣計(jì)算及其解釋灰度共生矩陣計(jì)算及其解釋紋理特征紋理特征公式公式熵熵 (entropy)能量能量 (energy)對(duì)比度對(duì)比度 (contrast)均勻度均勻度 (homegeneity)相關(guān)性相關(guān)性 (correlation) （1）熵：）熵： 含義：含義：圖像所具有的信息量的度量圖像所具有的信息量的度量，紋理信息也屬于圖像的，紋理信息也屬于圖像的信息，是一個(gè)隨機(jī)性的度量。信息，是一個(gè)隨機(jī)性的度量。 性質(zhì)：性質(zhì)：當(dāng)圖像無(wú)紋理時(shí)

16、，熵應(yīng)該等于當(dāng)圖像無(wú)紋理時(shí)，熵應(yīng)該等于0，滿紋理時(shí)，該值應(yīng)該，滿紋理時(shí)，該值應(yīng)該最大，從數(shù)學(xué)角度看，當(dāng)共生矩陣所有元素近似相等時(shí)，熵最大，從數(shù)學(xué)角度看，當(dāng)共生矩陣所有元素近似相等時(shí)，熵應(yīng)該最大。它應(yīng)該最大。它表示了圖像中紋理的非均勻程度或復(fù)雜程度表示了圖像中紋理的非均勻程度或復(fù)雜程度。 （2）能量：）能量： 含義：含義：灰度共生矩陣元素值的平方和，所以也稱(chēng)能量，灰度共生矩陣元素值的平方和，所以也稱(chēng)能量，反映反映了圖像灰度分布均勻程度和紋理粗細(xì)度了圖像灰度分布均勻程度和紋理粗細(xì)度。 性質(zhì)：性質(zhì)：如果共生矩陣的所有值均相等，則能量值?。幌喾?，如果共生矩陣的所有值均相等，則能量值?。幌喾?， 如果其中

17、一些值大而其它值小，則能量值大。當(dāng)共生矩陣中如果其中一些值大而其它值小，則能量值大。當(dāng)共生矩陣中元素集中分布時(shí)，此時(shí)能量值大。元素集中分布時(shí)，此時(shí)能量值大。能量值大表明一種較均一能量值大表明一種較均一和規(guī)則變化的紋理模式。和規(guī)則變化的紋理模式。 （3）對(duì)比度：）對(duì)比度： 含義：含義：反映了圖像的清晰度和紋理溝紋深淺的程度。反映了圖像的清晰度和紋理溝紋深淺的程度。 性質(zhì)：性質(zhì)：紋理溝紋越深，其對(duì)比度越大，視覺(jué)效果越清晰；反紋理溝紋越深，其對(duì)比度越大，視覺(jué)效果越清晰；反之，對(duì)比度小，則溝紋淺，效果模糊。如果對(duì)比度大的象素之，對(duì)比度小，則溝紋淺，效果模糊。如果對(duì)比度大的象素對(duì)越多，這個(gè)值越大。對(duì)越多

18、，這個(gè)值越大?；叶裙采仃囍羞h(yuǎn)離對(duì)角線的元素值灰度共生矩陣中遠(yuǎn)離對(duì)角線的元素值越大，對(duì)比度越大。越大，對(duì)比度越大。 （4）均勻度：）均勻度： 含義：含義：反映圖像紋理的同質(zhì)性，反映圖像紋理的同質(zhì)性，度量圖像紋理局部變化的度量圖像紋理局部變化的多少多少。 性質(zhì)：性質(zhì)：其值大其值大則說(shuō)明圖像紋理的不同區(qū)域間缺少變化，則說(shuō)明圖像紋理的不同區(qū)域間缺少變化，局局部非常均勻。部非常均勻。 （5）相關(guān)：）相關(guān)： 含義：含義：它度量空間灰度共生矩陣元素在行或列方向上的相似程度，它度量空間灰度共生矩陣元素在行或列方向上的相似程度，因此，因此，相關(guān)值大小反映了圖像中局部灰度相關(guān)性相關(guān)值大小反映了圖像中局部灰度相關(guān)

19、性。 性質(zhì)：性質(zhì)：當(dāng)矩陣元素值當(dāng)矩陣元素值均勻相等時(shí)，相關(guān)值就大均勻相等時(shí)，相關(guān)值就大； 相反，如果相反，如果矩矩陣元素值相差很大則相關(guān)值小陣元素值相差很大則相關(guān)值小?？梢浴？梢?用來(lái)判斷紋理的主方向。用來(lái)判斷紋理的主方向。 問(wèn)題問(wèn)題 缺乏選擇位移矢量的有效方法缺乏選擇位移矢量的有效方法. 發(fā)展發(fā)展 自適應(yīng)多尺度灰度級(jí)同現(xiàn)矩陣自適應(yīng)多尺度灰度級(jí)同現(xiàn)矩陣 (adaptive multi-scale GLCM)：種子區(qū)域增長(zhǎng)：種子區(qū)域增長(zhǎng) 基于遺傳算法的基于遺傳算法的GLC特征提取特征提取 (genetic algorithm based GLC feature extraction): 用遺傳算

20、法實(shí)現(xiàn)高斯加用遺傳算法實(shí)現(xiàn)高斯加權(quán)優(yōu)化權(quán)優(yōu)化 圖像自相關(guān)圖像自相關(guān)(autocorrelation)函數(shù)函數(shù) ： NuNvxNuyNvvuINyvxuIvuIyNxNyxp112211,1,1, 含義：含義：自相關(guān)函數(shù)的自相關(guān)函數(shù)的周期性反映紋理基元重復(fù)出現(xiàn)的周期性；周期性反映紋理基元重復(fù)出現(xiàn)的周期性；其下降速度反映紋理基元的粗細(xì)度其下降速度反映紋理基元的粗細(xì)度(coarseness) 。紋理粗細(xì)度與自相關(guān)函數(shù)的關(guān)系示意圖紋理粗細(xì)度與自相關(guān)函數(shù)的關(guān)系示意圖性質(zhì)：性質(zhì)：紋理粗，則緩降；紋理細(xì)，則速降紋理粗，則緩降；紋理細(xì)，則速降. . 規(guī)則紋理的自相規(guī)則紋理的自相關(guān)函數(shù)具有峰值和谷值，可用于檢測(cè)

21、紋理基元的排列情況關(guān)函數(shù)具有峰值和谷值，可用于檢測(cè)紋理基元的排列情況. .基本的基本的LBP算子算子：33的的矩形塊，有矩形塊，有1個(gè)中心像素個(gè)中心像素和和8個(gè)鄰域像素對(duì)應(yīng)于個(gè)鄰域像素對(duì)應(yīng)于9個(gè)個(gè)灰度值。灰度值。特征值特征值：中心像素的灰度中心像素的灰度值為閾值值為閾值，將其鄰域的，將其鄰域的8個(gè)灰度值與閾值相比較，個(gè)灰度值與閾值相比較，大于中心灰度值的像素由大于中心灰度值的像素由1表示，反之由表示，反之由0表示表示。然。然后根據(jù)順時(shí)針?lè)较蜃x出后根據(jù)順時(shí)針?lè)较蜃x出8個(gè)二進(jìn)制值。個(gè)二進(jìn)制值。Pattern=1000111；LBP=1+ 32+64+128=225 局部對(duì)比度計(jì)算方法：局部對(duì)比度計(jì)

22、算方法：兩兩組數(shù)據(jù)平均值的差。組數(shù)據(jù)平均值的差。即大即大于等于中心像素灰度值的于等于中心像素灰度值的所有灰度值去平均值，減所有灰度值去平均值，減去小于中心像素灰度值的去小于中心像素灰度值的所有像素值的平均值。所有像素值的平均值。特征特征：灰度值的單調(diào)變換灰度值的單調(diào)變換不會(huì)引起不會(huì)引起LBP值的變化，值的變化，因此，它與局部對(duì)比度相因此，它與局部對(duì)比度相互獨(dú)立并互相補(bǔ)充，互獨(dú)立并互相補(bǔ)充，可以可以作為二維分布共同表征圖作為二維分布共同表征圖像局部的空間特征像局部的空間特征。 在某一灰度圖像中，定義一個(gè)半徑為在某一灰度圖像中，定義一個(gè)半徑為R（R0）的圓環(huán)形鄰域，）的圓環(huán)形鄰域，p（p0）個(gè)鄰域

23、像素均勻分布在圓周上。設(shè)該領(lǐng)域中心像元的紋）個(gè)鄰域像素均勻分布在圓周上。設(shè)該領(lǐng)域中心像元的紋理為理為T(mén)，則，則T可以用該鄰域中可以用該鄰域中P+1個(gè)像素的函數(shù)來(lái)定義個(gè)像素的函數(shù)來(lái)定義，即，即其中，其中，gc為該鄰域中心像素的灰度值，為該鄰域中心像素的灰度值， gi（i=0,P-1)是是P個(gè)鄰域個(gè)鄰域像素的灰度值。在數(shù)字圖像中，設(shè)鄰域中心像素的坐標(biāo)為像素的灰度值。在數(shù)字圖像中，設(shè)鄰域中心像素的坐標(biāo)為(xc,yc)，則則其領(lǐng)域像素的坐標(biāo)其領(lǐng)域像素的坐標(biāo)(xi,yi)可以表示為可以表示為： 在不丟失信息的前提下，將鄰域像素的灰度值分別減去鄰域在不丟失信息的前提下，將鄰域像素的灰度值分別減去鄰域中心的

24、灰度值，中心的灰度值，局部紋理特征則可表示為局部紋理特征則可表示為： 假設(shè)各個(gè)差值與假設(shè)各個(gè)差值與gc相互獨(dú)立相互獨(dú)立，則上式可分解為：，則上式可分解為： t(gc)代表圖像的亮度值，與圖像局部紋理特征無(wú)關(guān)，所以可代表圖像的亮度值，與圖像局部紋理特征無(wú)關(guān)，所以可將將紋理特征表示為差值的函數(shù)紋理特征表示為差值的函數(shù)： 這一這一P維差值函數(shù)記錄了鄰域中每個(gè)像素的紋理模式。維差值函數(shù)記錄了鄰域中每個(gè)像素的紋理模式。 為了使定義的紋理不受灰度值單調(diào)變換的影響，只考慮差值為了使定義的紋理不受灰度值單調(diào)變換的影響，只考慮差值的符號(hào)：的符號(hào)： 唯一表征局部紋理特征的唯一表征局部紋理特征的LBP值可以表示為：值可以表示為： 易于定義具有旋轉(zhuǎn)不變性的紋理描述算子。易于定義具有旋轉(zhuǎn)不變性的紋理描述算子。 特點(diǎn)：特點(diǎn)：經(jīng)閾值化后的二值矩陣可看成一個(gè)二值紋理模經(jīng)閾值化后的二值矩陣可