当前位置：文档之家 › 图像的纹理分析

图像的纹理分析

  • 格式：pdf
  • 大小：743.60 KB
  • 文档页数：44

图像的纹理分析

摘 要

纹理是表达物体表面或结构的属性。纹理分析的主要目标是纹理识别和基

于纹理的性状分析。存在两个主要的纹理描述方法——统计的纹理描述方法和

句法的纹理描述方法。用共生矩阵的方法描述纹理的方法是统计的方法的一种。

由于灰度-梯度共生矩阵能提取到图像灰度和梯度两方面的信息，因此能够很好

的描述图像的纹理。因此，基于灰度-梯度共生矩阵的特征提取能够对纹理进行

很好的分类。真实世界的纹理通常是不规则的，且伴随着频繁的结构误差，变

形和结构的变化，使得没有严格的语法可用。因此，句法和混合纹理描述方法

没有像统计方法那样得到广泛应用。在我们的世界里，纹理是常见的，应用的

可能性几乎是没有限制的。

关键词：纹理、统计的纹理描述方法、句法的纹理描述方法、共生矩阵、纹

理分类 图像的纹理分析

Abstract

Texture refers to properties that represent the surface or structure of an

object. The main aim of texture analysis is texture recognition and texture-based

shape analysis. Two main texture description approaches exists-statistical and

syntactic. The co-occurrence matric method of texture description is statistical. It

based on the repeated occurrence of some gray-level and gradient-level configuration

in the texture. Texture classification can be based on criteria derived from the

co-occurrence matrices. Syntactic and hybrid texture description methods are not as

widely used as statistical approach. Textures are very common in our world, and

possibilities are almost unlimited.

keywords: Texture, co-occurrence matric, statistical, syntactic, texture

classification 图像的纹理分析

目 录

第一章 图像基础

1.1 图像的概念

1.2 图像信息的分类

1.3 图像的统计特性

1.4 图像信息的统计量

1.5数字图像处理基础

1.6 BMP位图基础

第二章 图像纹理的特征提取

2.1 引言

2.2 图像纹理的定义

2.3图像纹理特征提取流程

2.4 纹理特征提取的方法

2.5 结果与分析

第三章 图像的灰度梯度共生矩阵

3.1引言

3.2梯度图像的生成

3.3灰度梯度共生矩阵的生成

3.4灰度梯度共生矩阵的结果与分析

3.5 基于灰度梯度共生矩阵的图像纹理特征参数描述

第四章 实例分析及应用

第五章 结论

参考资料

致谢 图像的纹理分析

第一章 图像纹理分析基础

1.1 图像的概念

图像（Image）是指用镜头等科技手段得到的视觉形象。一般来讲可定义为

“以某一技术手段被再现于二维画面上的视觉信息”。通俗地说就是指那些用技

术手段把目标（Object）原封不动的一模一样地再现的图像。它包含计算机等

机器产生的景物。

当用数学方法描述图像信息时，通常着重于考虑它的点的性质。例如一幅

图像可以被看成是空间各个坐标点上强度的集合。它的最普遍的数学表达式是

(1-1-1)

其中（x,y,z）是空间坐标，λ是波长，t是时间，I是图像的强度。这样一个

表达式可以代表一幅活动的、彩色的、立体图像。

当我们研究的是静止图像（Still Image）时，则上式与时间t无关，当研

究的是单色图像时显然与波长λ无关，对于平面图像来说则与坐标z无关。因

此，对于静止的、平面的、单色的图像来说其数学表达式可简化为

（1-1-2）

1.2 图像信息的分类

图像信息的种类式多种多样的，概括起来，图像信息大致可分为三类，即

符号信息、景物信息和情绪信息。

1、符号图像信息

在这类信息中，一般是用文字、符号、图形等表示的具体的或抽象的事物。

例如文字，利用文字可组成文章，在某中意义上也可以看成是用二值图像的形),,,,(tzyxfIλ=

),(yxfI=图像的纹理分析

式携带这篇文章的寓意。最有代表意义的符号图像信息是电路图、机械图、建

筑图等，它们都是用二值图像的形式向人们提供信息的。因为符号信息是以某

一规律排列的记号，因此，在传送及处理中只要能表达清楚就可以了，它允许

有较大的压缩。

2、景物信息

这是一种给人以主观感觉但并不取决与人本身的客观场景信息。一般来讲，

它包含丰富的内容，所含的信息量也较多。如：由铁路调车场控制中心的工业

电视上看到的图像信息，可从中得到有关车辆编组调动的情况、调车员工作情

景及天气情况等。情景画面的内容一般比较复杂，在传输和处理中做到较大的

压缩比较困难。在人机识别中需要较大的信息量。但在事先设定某种条件的情

况下，是有可能在任何情况下保证正确判断的。

3、情绪信息

这是一类依赖于受信者的图像信息，它不仅能给人以直观感觉，而且能以

其特殊的艺术内容刺激人的感官，是受信者“触景生情”引起感情上的波动和

情绪上的功名。因此，它包含更多的信息量。换句话说，对于同一幅图像来说，

它对受信者产生的效果是有差异的。因此对于这类图像不仅无法考虑其概率模

型，而且用香农（Shannon）理论明确其信息量也是极其困难的。

以上是从图像所携带的信息的种类出发进行简单分类的。在数字图像处理

种所涉及到的是一些最普通类型的图像，他们的突出特点是都具有特殊的统计

特性，并且有专门的应用。从这个基点出发可以做如下较明快的分类：

①TV型的自然风景 这是常见的图片，如肖像、风景画、建筑物照片等；

②空间摄影照片和地球资源探测图片 这类图片的特点是往往没有适宜的

方向，构图不十分明显，除了海岸线外，没有可区别的形状。

③电子显微镜照片和标准的显微镜照片 这是一类在冶金学、生物学、医

学以及石油探测等都很感兴趣的一类照片。

④文本 这是一类打印或手写的记号图像。

⑤图样 他们通常就是简单地由线段和图形构成的单色二值图像。 图像的纹理分析

⑥专用图像 如X射线照片、微波照片、红外热像或超声波图像等。这些

图像各有特点，与在可见光下得到的图像有所不同。

总之，物质世界是一个无处不充满图像的世界，对这么多的图像进行分类

无疑是一件困难的事。在图像处理中所提到的图像只是极少数的有代表性而又

实用的图像。这些图像经过研究大部分可以找到较为近似的模型和规律，这对

方便处理和深入研究来说无疑都是十分有利的。

1.3 图像的统计特性

在图像的统计特性表征中，认为图像信号是一个随机信号。对于一个随机

信号的数学描述则是振幅或相位的分布函数、概率密度函数以及一系列的相关

矩、中心矩和功率谱等。利用这些参数来表征图像的特性，建立图像信息的数

学模型，以便对图像信息进行有效的分析及处理。

1.4 图像信息的统计量

1、连续的图像信息的熵

如果一个图像信源能输出无限个符号，那么，这样的图像信息叫做连续图

像信息。一般，连续图像信息源的熵如下式：

（1-4-1）

其中p(s)为输出幅度概率密度。

2、离散的图像信息的熵

对于一个连续的图像信，号经过编码后就变成了离散的图像信息。一幅图

像如果有s1 ,s2 ,s3 ,……，sq ,共q种幅度值，并出现的概率分别为P1，P2，P3，……

Pq，那么，其平均信息量可由下式表示：

（1-4-2） dsspspH)(log)(2∫+∞

∞−−=

iq

iiq

iiiPPPPH∑∑

==−=⎟⎟

⎠⎞

⎜⎜

⎝⎛=

1212log1log图像的纹理分析

对于连续信源来说最大熵的条件取决于输出受限情况。当输出幅值受限的

情况下，幅度概率密度式均匀分布时其熵最大。当输出功率受限的情况下，则

输出幅度概率密度时高斯分布时其熵最大。

对于离散信源来说，当所有消息输出是等概率时其熵最大。

1.5数字图像处理基础

数字图像处理（Digital Image Processing）技术起源于20世纪20年代，

至今已经给人类带来了巨大的经济和社会效益。

数字图像处理的特点表现在如下几个方面：

（1）图像信息量大；

（2）图像处理技术综合性强；

（3）图像信息理论与通信理论密切相关。

数字图像处理的方法大致可分为两类，即：空域法和变换域法。

（1）空域法 这种方法把图像看作是平面中各个像素组成的集合，然后直

接对这一、二维函数进行相应的处理。空域处理法主要有两大类：邻域处理法

和点处理法。其中，邻域处理法包括梯度运算、拉普拉斯算子运算、平滑算子

运算和卷积运算。而点处理法包括灰度处理，面积、周长、体积、重心运算等

等。

（2）变换域法 数字图像处理的变换域处理方法是首先对图像进行正交变

换，得到变换域系数阵列，然后在施行各种处理，处理后再反变换到空间域，

得到处理结果。这类处理包括：滤波、数据压缩和特征处理等。

完整的数字图像处理工程大体上可分为如下几个方面：图像信息的获取、图

像信息的存储、图像信息的传送、图像信息的处理、图像信息的输出和显示。

目前，数字图像处理的应用越来越广，已经渗透到工程、工业、医疗保健、

航天航空、军事、科研、安全保卫等各个方面，在国计民生及国民经济中发挥

越来越大的作用。

1.6 BMP位图基础

合集下载

基于纹理的图像检索

基于纹理的图像检索

・　８２　・　计算机应用研究　２００２正　基于纹理的图像检索　王和勇　，李磊　，姚正安　（１．中山大学软件研究所，广东广州５１０２７５；２．中山大学数学与计算科学学院，广东广州　５１０２７５）　摘要：基于特征的图像检索在多媒体数据库管理和多媒体通信传输中得到越来越多的重视。介绍了　基于纹理特征的特征提取方法，并对提取出的特征进行维数缩减。对真实图像库的检索实验表明，用此　方法检索出的图像更符合人的视觉特性。　关键词：多媒体数据库；图像检索；特征；纹理　中图法分类号：ＴＰ３９１　文献标识码：Ａ　文章编号：１００１．３６９５（２００２）１０－００８２－０２　Ｉｍａｇｅ　Ｒｅｔｒｉｅｖａｌ　Ｕｓｉｎｇ　Ｔｅｘｔｕｒｅ　Ｆｅａｔｕｒｅｓ　ＷＡＮＧ　Ｈｅ－ｙｏｎｇ　，ＬＩ　Ｌｅｉ　，ＹＡＯ　Ｚｈｅｎｇｏａｎ２　（１．Ｉｎｓｔｉｔｕｔｅ　ｏｆ　，Ｚｈｏｎｇｓｈａｎ　Ｕｎｉｖｅｒｓｉｔｙ，　Ｇｕａｎｇｄｏｎｇ　５１０２７５，Ｃｈｉｎａ；２．Ｃｏｌｌｅｇｅ　ｏｆＭａｔ／ｕｍ￣／ｃｓ＆ｃ０　Ｓｃ／ｅｎｃｅ，Ｚｈｏｎｇｓ／ｕｍ　Ｕ－　ｎｉｖｅｒｓ　，　Ｇｕａｎｇｄｏｎｇ　５１０２７５，Ｃｈ／ｎａ）　ＡｂｓＩ喇：Ｆｅａｔｕｒｅ－ｂａｓｅｄｉｍａｇｅ　ｒｅｔｒｉｅｖａｌ　ｈａｓ　ｇｏｔ　ｎｌｏｒｅ　ａｎｄ　ｎｌｏｒｅ　ａＲｅｎｆｉｏｎｉｎｍｕｌｔｉｍｅｄｉａ　ｄａｔａｂａｓｅｍａｎａｇｅｍｅｎｔ　ａｎｄ　ｄａｔａｔｒａｎｓｍｉｓｓｉｏｎ．Ｉｎ　ｔｈｉｓ　ｐａｐｅｒ，ｗｅ　ｐｒｅｓｅｎｔ　ａｔｅｘｔｕｒｅ－ｂａｓｅｄ　ａｐｐｒｏａｃｈｆｏｒｆｅａｔｕｒｅ　ｅｘｔｒａｃｔｉｏｎ，ｃｏｍｂｉｎｅｄｗｉｔｈ　ｒｅｄｕｃｉｎｇｔｈｅｄｉｍｅｎｓｉｏｎ、Ｒｅｔｒｉｅｖａｌ　ｒｅｓｕｌｔｓ，￣ｉｎｓ　ｒｅａｌ　ｃｏｌｏｒ　ｉｍａｇｅ　ｄａｔａｂａｓｅ　ｃａｌｌｅｄ　Ｅｂａｓｅ３　ａＩｅ　ｃａｒｒｉｅｄ　ｏｕｔ．Ｔｈｅ　ｒｅｓｕｈ　ｓｈｏｗｓ　ｔｈａｔ　ｒｅｔｒｉｅｖａｌ　ｒｅｓｕｌｔｓ　ｆｉｔ　ＩｌｌＯｒｅ　ｃｌｏｓｅｌｙ　ｗｉｔｈ　ｈｕｒｒｋ￣ｐｅｒｃｅｐｔｉｏｎ、　Ｋｅｙ　ｗ０ｒｄｓ：Ｍｕｌｔｉｍｅｄｉａ　Ｄａｔａｂａｓｅ；Ｉｍａｇｅ　Ｒｅｔｒｉｅｖａｌ；Ｆｅａｔｕｒｅ；Ｔｅｘｔｕｒｅ　１　引言　随着多媒体数据库尤其是大量图像库的广泛应用，　对图像的有效检索手段逐渐引起人们重视：这不仅对图　像库的管理，也对图像库的网上应用至关重要。近年来　国际上广泛开展了基于内容的图像检索技术的研究。　其中，利用各种特征对图像检索的方法已经取得了相当　的进展。　基于特征对图像进行检索的基本方法是在建立图　像库时对输入的图像先进行图像分析，提取图像的特征　向量；然后把图像的特征向量存入到与图像相连的特征　库中。在进行图像检索时，对每一幅给定的待查询的图　像，进行图像分析并提取该图像的特征向量。通过将该　图像与特征库中的特征向量进行匹配，并根据匹配的结　果到图像库中检索就可提取出所需要的检索图像。由　上述工作原理可以知道基于特征的图像检索有三个关　键：①要选取图像的恰当的图像特征；②要采取有效的　特征提取的方法；③要有准确的特征匹配算法。　接下来我们首先对纹理特征的检索进行讨论，主要　讨论提取纹理特征的算法，在此基础上我们用马氏距离　进行图像特征的匹配；通过实验我们已经取得了满意的　结果，验证了算法的优越性。　收稿日期：２００１．１２　２７；修返日期：２００２－０４－１７　２纹理特征的提取　对于纹理是比较难精确的定义，Ｈａｍｌｉｃｋ，Ｓｈａｎｍｕｇａｍ　和Ｄｉｓｔｅｉｎ在文献［１］中定义为：纹理是与图像灰度的空　间分布有关。它存在于物体的表面，含有表面的组织结　构和它们与背景的相互关系。尽管它很容易被有经验　的人识别，但是对于计算机处理是很难精确的定义和分　析。因为纹理可以用来区别图像，所以选择纹理作为特　征是非常重要的。Ｈａｍｌｉｃｋ等曾用灰度级（Ｇｒａｙ．ｔｏｎｅ）空　间依赖（Ｓｐａｔｉａ１．ｄｅｐｅｎｄｅｎｃｅ）矩阵来测量纹理的性质，如对　比度（Ｃｏｎｔｒａｓｔ）、相关性（Ｃｏｒｒｅｌａｔｉｏｎ）和熵（Ｅｎｔｒｏｐｙ）。也有　其它的测量纹理的方法。Ｒｅｅｄ和Ｈａｎｓ　ｄｕ　Ｂｕｆ概述了最　近对纹理的测量方法＿２　Ｊ。此篇使用多窗口的方法。　（１）多窗口。它是用一个掩码（图１）来表示的。掩　码由Ｋ×Ｋ窗口组成，每一个窗口包含ｎ×ｎ个像素。测　量是在窗口内进行的，这些测量和掩码所在的位置坐标　ｘ和Ｙ一起构成了Ｒｎ　维的特征向量。定义特征向量　ｚ为：Ｚ：（ｍｌ，吨，…，ｍｋ２，Ｘ，Ｙ）　其中Ｉｌｌｉ是第ｉ个窗１：３的度量。　在本篇中使用的是每个窗口的灰度值的标准偏差：　ｍｊ　朋　：￣／／　ｎ２－（　）　其中ｉ代表像素的灰度值。如果是彩色图像，首先提取　出图像像素的Ｒ，Ｇ，Ｂ值，ｉ＝（Ｒ＋Ｂ＋Ｇ）／３。并且∑ｉ　表　

图像纹理分割综述

图像纹理分割综述

图像纹理分割综述　韩晓晨　东北电力大学自动化工程学院吉林长春１３２０１２　【摘要ｌ图像分割既是图像处理中的一项关键技术，也是一项经典难　题，文章系统地归纳了图像纹理分割的研究方法以及实际应用，提出了一些　发展思路和要点。　【关键词】图像分割；纹理；研究方法　１，引言　研究表明，人类所接收到的全部信息中，有８０％以上是通过视觉得　到的　因此，图像信息对于人们的生活和工作是非常重要的。　纹理分割是图像处理和模式识别中一个重要的研究内容，一直以　来是人们研究的热点。它是依据同一纹理的一致性特征或不同纹理之　间的特征差别，将纹理图像分割成若干有意义的区域，而提取有效的纹　理特征是其中的关键和难点。　２，圈像分割概述　图像分割是是指利用图像的某些特性，如灰度、颜色、纹理、形状　等，将一幅图像分割成若干个独立的有共同像素属性的对象，其实质是　一个按照像素属性进行聚类的过程。　２．１图像分割的研究背景　早在上个世纪五十年代中期，人们便开始　ｒ关于图像分割的研究，　经过几十年的大量工作，已取得了很多研究成果，针对具体的图像，提出　了很多不同的分割算法。在很多实际问题中，如目标识别、跟踪、图像理　解中，并不要求得到图像的全部信息，因此，在得到一些二维先验信息　的同时，增加一些约束条件，使不适定问题适定化，从而使图像分割成　为可能。　２．２图像分割的研究目的　图像分割的目的是将一幅图像划分成有意义的区域或部分，其中每　部分区域具有相似的特征。图像分割是图像识别和图像理解的基础，图　像分割虽然是一个古老而经典的基本图像处理问题，但目前仍然是计算　机视觉研究中的一个热点问题。　２．３图像分割方法介绍　（１）基于图论的图像分割方法　基于图论的图像分割方法使用加　权图来映射图像，图像的像素对应图的节点集，像素之间的相邻关系对　应边集，节点的属性对应像素的特征信息，边的属性对应像素之间的差　别或相似性。　（２）彩色图像分割　人眼由于对亮度具有适应性，在一幅复杂图　像的任一点上人眼只能识别几十种。由于彩色图像提供了比灰度图像更　多的信息，因此随着计算机处理能力的快速提高，彩色图像处理正受到　人们越来越多的关注。　（３）纹理分割方法　纹理分割就是把具有相同或一致纹理特性的　区域聚类为一个大的区域。因此，纹理是一种区域特性，要在一定范围　的区域上才能反映或测量出来。研究纹理分割主要涉及三个问题：如何　从图像中提取纹理特征；如何有效地从测量出的众多纹理特征中提取　用于分割的特征；如何有效地分割图像“一。　３．图像纹理分翻的研究应用　３．１图像纹理定义　纹理一般指人们所观察到的图像中象元（或子区域）的灰度变化规　律，习惯上把图像中这种局部不规则的而宏观有规律的特性称之为纹　理。　３．２图像分割研究的实际应用　图像分割在实际中已经得到广泛的应用，例如在工业自动化，在线　产品检验，生产过程控制，文档图像处理，遥感和生物医学图像分析，保安　监视，以及军事，体育，农业工程等方面　Ｊ。概括来说，在各种图像应用中，　只要需对图像目标进行提取、测量等都离不开图像分割。　（１）自动目标识别和分类。纹理分割是自动目标检测、识别和分类的　重要处理步骤。比如综合孔径雷达图像中的植被区域边缘检测、红外雷　达的敏感目标定位、激光雷达的前景背景分离等等。　（２）医学图像处理。影像诊断已经成为现代临床医学的重要诊断工　７６科技　伍姐　具，各种医学影像技术比如超声波成像、ｘ线断层摄影术、核磁共振成像　的结果分析往往都需要提取特定感兴趣的目标。有些医学图像通常存　在较大的模糊和斑点，要求图像分割对于这些模糊和不规则的斑点具有　一定的鲁棒性。　（３）计算机视觉。计算机视觉中的“分割”概念通常就指要定位出现　实生活中自然图像里的目标物的轮廓。分割自然场景图像的困难通常不　再是模糊和噪声的问题，主要的困难在于自然场景图像中目标物体、区　域形状和区域纹理结构的多样性。　（４）基于内容的图像检索和分割。随着因特网和数字技术的日新月　异，人们几乎每天都要接触各种数字图像，但长期以来，图像仅可用名字　来检索，图像分类也依赖于人工处理，为了有效浏览和应用这些图像，迫　切需要功能强大的检索工具，因此人们提出是否可用图像的内容进行查　询分类　４．图像纹理分剖方法分类介绍　４．１基于统计纹理特征的方法　纹理特征的统计描述方法是基于像素及其邻域的灰度属性，研究　纹理区域中的统计特性，或像素及其邻域内的灰度的一阶、二阶或高阶　统计特性。纹理的统计描述由来己久，描述方法种类众多。在这些方法　中，灰度直方图统计法、灰度共生矩阵法、自相关法、局部二值模式等　方法都被用于纹理分割。　４．２基于结构纹理特征的检测方法　结构法的基本思想是认为复杂的纹理可由一些简单的纹理基元以　一定的有规律的形式重复排列组合而成。因此，为了刻画纹理，就需要　刻画灰度纹理基元的性质以及它们之间的空间联系。一般认为一个纹　理基元是由一组属性所刻画的相连通的像素集合。　４．３基于模型纹理特征的检测方法　基于模型的纹理特征描述方法假设纹理按某种统计模型分布，采　用模型的参数作为纹理特征。模型参数的估计是模型法的核心问题。常　见的用于描述纹理特征的模型有：马尔柯夫随机场、高斯马尔柯夫随机　场、自回归模型、Ｗｏｌｄ模型、分形模型等。　４．４基于频谱纹理特征的检测方法　基于频谱纹理特征的检测方法是建立在时频分析与多尺度分析基　础之上，对纹理图像中子区域内实行某种变换后，再提取保持相对平稳　的特征值，以此表示区域内的一致性以及区域间的相异性。纹理表面具　有规律的重复性，当局部出现缺陷时，该区域对应的频谱发生变化。根据　这一特点，常通过频域上分析图像的频谱特征进行缺损检测。常用的频　谱纹理特征包括Ｆｏｕｒｉｅｒ变换法、Ｇａｂｏｒ变换法、小波变换法等。　５，结论　从图像分割研究的历史来看，可以看到对图像分割的研究有几个明　显的趋势：一是对原有算法的不断改进。二是新方法、新概念的引入和　多种方法的有效综合运用。在新出现的分割方法中，基于小波变换的图　像分割方法就是一种很好的方法。三是交互式分割研究的深入。由于很　多场合需要对目标图像进行边缘分割分析，例如对医学图像的分析，因　此需要进行交互式分割研究。四是对特殊图像分割的研究越来越得到　重视。相信随着研究的不断深入，存在的问题会很快得到圆满的解决。　参考文献　［１】章毓晋．图像分割【Ｍ］．北京：科学出版社，２００１．　【２】李新征，易建强，赵冬斌．一种改进的自然图像分割方法．计算机应用　研究，２００６，５（６）：２５１－２５４．　【５１扬帆，廖度敏．基于图论的图像分割算法的分析与研究［Ｊ】．电视技　术，２００６．　作者简介　韩晓晨（１９９０．ＯＢ～），女，东北电力大学（吉林省吉林市）自动化工程学　院控制科学与工程专业，自研１２５班硕士研究生；主要从事图像分析与模式　识别方面的研究。

图像纹理综述

图像纹理综述

第14卷 第4期2009年4月中国图象图形学报

JournalofImageandGraphicsVo.l14,No.4Apr.,2009

图像纹理特征提取方法综述

刘 丽匡纲要

(国防科技大学电子科学与工程学院,长沙 410073)

摘 要 纹理是一种重要的视觉线索,是图像中普遍存在而又难以描述的特征。纹理分类与分割是图像处理领域

一个经久不衰的热点研究领域,纹理特征提取作为纹理分类与分割的首要问题,一直是人们关注的焦点,各种纹理

特征提取方法层出不穷。在广泛文献调研的基础上,回顾了纹理特征提取方法的发展历程,分析了其研究现状,对

纹理特征提取方法进行了较为全面的综述,对其进行分类和比较,最后给出了纹理研究领域的主要发展趋势。

关键词 图像纹理 纹理特征提取 灰度共生矩阵 马尔可夫随机场 分形 小波 Gabor滤波器 自回归模型

中图法分类号:TP391141 文献标识码:A 文章编号:1006-8961(2009)04-0622-14

OverviewofImageTexturalFeatureExtractionMethods

LIUl,iKUANGGang-yao

(CollegeofElectricalScienceandEngineering,NationalUniversityofDefenseTechnology,Changsha410073)

Abstract Textureisanimportantvisualcue1Itwidelyexistsinimagesandishardtodescribe1Textureclassificationand

segmentationisahotresearchfieldinimageprocessing1Duetoitsimportanceintextureclassificationandsegmentation,

texturefeatureextractionhasreceivedconsiderableattentionduringthepastdecadesandnumerousapproacheshavebeen

原发性肝癌CT图像纹理分析

原发性肝癌CT图像纹理分析

龙源期刊网

原发性肝癌CT图像纹理分析

作者：郝涛 张智

来源：《现代仪器与医疗》2013年第04期

摘 要 目的 探索图像纹理分析方法对原发性肝癌CT图像的识别能力。方法 首先从一阶统计特征、灰度共生矩阵、灰度行程矩阵3方面提取正常肝脏和原发性肝癌CT图像的纹理特征，然后采用t检验进行特征选择，最后利用BP神经网络对保留的特征进行分类识别。结果

BP神经网络对正常肝的识别率是100±0.00%，对原发性肝癌的识别率是93.60±5.35%。结论

BP神经网络经设计优化后能达到较高的识别准确率，对于原发性肝癌的计算机辅助诊断具有一定实际意义和理论价值。

关键词 原发性肝癌 特征提取 特征选择 BP神经网络

1 前 言

原发性肝癌是由肝细胞或肝内胆管上皮细胞发生的恶性肿瘤，在世界范围内是第5位致死性恶性肿瘤[1]，在我国发病率[2]也很高。在各种影像学检查技术中，CT能较好地反映肝脏的病理形态表现，成为诊断肝脏疾病的首选影像检查方法之一。正常的组织结构被破坏是诊断学中区分弥散性和非弥散性肝脏疾病的重要形态特征，反映在CT图像上则呈现为图像纹理的改变，因此可以利用纹理特征的差异对不同病例的肝脏CT图像进行分析，也就能实现对原发性肝癌和正常肝组织进行计算机分类识别。由于我国肝癌患者数量众多，诊断工作较为繁重，因此实现对原发性肝癌CT图像的计算机辅助诊断有助于减轻诊断医师劳动负荷，增加诊断途径从而减少误诊率，对原发性肝癌的治疗具有重要意义。

近年来，基于CT图像的纹理分析研究取得一定进展，.Mir[3]等提出肝脏CT图像采用基于灰度共生矩阵、灰度行程矩阵和灰度差分矩阵的纹理特征区分肝脏正常组织和病变组织。Chen[4]等通过分形特征信息和空间灰度共生矩阵提取特征值，利用改进的概率神经网络分类器来识别肝囊肿和血管瘤这2种不同类型的肝CT图像，这种分类器的正确率达到83%。Stavroula G.Mougiakakou[5]等人从一阶统计值、灰度共生矩阵、灰度差分矩阵、Laws能量和分形维数5个方面提取特征，对正常肝、肝癌、肝囊肿、肝血管瘤4类CT图像进行识别，最好的识别率为84.96%。