图像纹理识别与检索

ＦＲＯＭ：http://www.cv.fudan.edu.cn/texture.htm

图像纹理是一个比较难下定义的概念。从视觉的角度来看，当我们把一个图像区域中的内容理解成具有一定程度的某种均匀性的整体视觉感受，而不是若干物体或物体部分，这种对图像区域的视觉感受通常被称为纹理。这个思路带有较强的主观色彩。客观一点，如果把一幅图像看成一个矩阵，或者是一个具有两个自变量的函数，那么任意的一个图像区域都可以被赋予一个属性（一个以该区域内容为自变量的函数），其中有些属性会和该区域的纹理视觉感受比较吻合。

图：本实验室2010年拍摄制作的大规模图像纹理测试集。

如果纹理图像是拍摄一个物体的表面而得到的，我们可以用该图像区域的纹理特性来反演被拍摄区域的某些物理属性，例如材质，工艺，缺陷等。如果纹理区域是被拍摄的复杂的自然场景中的一部分，例如由许多树叶和树干组成的树的一部分，我们可以用该区域的纹理特性来识别与检索与此视觉感受相似的图像区域。

要实现上述目标的一个不可或缺的核心技术是纹理特征提取，即从图像区域中提取有效的纹理信息。这个计算过程所得到的特征一般是由若干个量所组成的一个矢量。纹理特征在基于内容的图像检索、遥感图像识别和理解、医学成像诊断、材料表面质量检测等领域中具有重要的作用。

本实验室2010年提出多尺度斑块纹理特征：

• Qi Xu, Hai Shan Wu, Yan Qiu Chen. Multiscale Blob Features for Classifying and Retrieving Image Texture from Large-scale Databases. To appear in Journal of Electronic Imaging.
• Qi Xu and Yan Qiu Chen. Multiscale Blob Features for Gray Scale, Rotation and Spatial Scale Invariant Texture Classification. ICPR 2006, PDF

  多尺度斑块特征首先从分辨率和灰度两个维度分解纹理图像，得到二值图像阵列，然后统计二值图像中的0值连通域和1值连通域的属性，得到纹理特征。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了92%，当查全率为50%时，查准率达到了82.5%，显著高于当时的其他方法。

  

  图：多尺度斑块特征从分辨率和灰度两个维度分解纹理图像。

  本实验室2006年提出统计地形特征：

• Cun Lu Xu, Yan Qiu Chen. Classifying Image Texture with Statistical Landscape Features. Pattern Analysis and Applications, Vol. 8, No. 4, pp 321-331. 2006, PDF

  统计地形特征在Brodatz纹理全集上的正确分类率达到了94%。根据我们的文献检索，该识别率是当时最高的。

  

  表：本实验室提出的统计地形特征的识别性能显著高于当时的其他方法。

  实验室成员1995年提出统计几何特征（完成于英国南安普敦大学）：

• Yan Qiu Chen, Mark S Nixon, David W Thomas. Statistical Geometrical Features for Texture Analysis. Pattern Recognition, Vol. 28, No. 4, pp 537-552. 1995, PDF

  该方法首先用一个序列的阈值二值化纹理图像，得到一个二值图像序列，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，计算出该图像的纹理特征。实验表明，该方法在大规模纹理集上的识别率显著优于当时的其他方法。

  

  表：统计几何特征在Brodatz全集上的识别率达到86%，显著高于当时其他的方法。

  统计几何特征已经在肿瘤诊断[T. Schilling, L. Miroslaw, G. Glab, M. Smereka. Towards rapid cervical cancer diagnosis: automated detection and classification of pathologic cells in phase-contrast images. Int J Gynecol Cancer, Vol. 17, pp 118-126, 2007]、食品质量检测[Ursula Gonzales-Barron, Francis Butler. Discrimination of crumb grain visual appearance of organic and non-organic bread loaves by image texture analysis. Journal of Food Engineering, Vol. 84, pp 480-488, 2008]等领域中得到了应用。