【正文】 又相互作用而形成的。因此，不同肝臟B超圖像的紋理有明顯的不同，這就是我們多看到的光點粗細、分布的差別，醫(yī)生正是根據(jù)這種紋理來判斷肝臟有無疾病，從這一點可看出，肝臟B超圖像的紋理反映了肝臟組織的結(jié)構(gòu)，因此，可通過對肝臟紋理的定量分析來區(qū)分肝臟有無疾病，供醫(yī)生輔助診斷時候參考。紋理分析指的是通過一定的圖像處理技術抽取出紋理特征，從而獲得紋理的定量或定性描述的處理過程。近些年來，紋理分析在紡織品、植物病蟲害防治、醫(yī)學病理診斷和大容量圖像數(shù)據(jù)庫的檢索、遙感圖像處理等方面得到廣泛的應用。由于紋理的大量存在和復雜多樣，紋理分析在上述以及他相關應用領域不但具有重要的地位，而且具有較大的難度，因而一直是人民關注和研究的一個熱點和難點。紋理分析的主要研究內(nèi)容包括紋理描述、紋理分割、紋理分類、紋理檢索等，是計算機視覺和模式識別的重要組成部分。紋理描述：對圖像中紋理信息的基本特性做出某種量度。紋理描述的基礎是找出一組能夠有效反應圖像紋理特征的參量，這些紋理特征能夠盡可能地縮小紋理的類內(nèi)差距，同時盡可能增大紋理的類間差距。常用的紋理特征有粗糙度、方向性、一致性等。紋理分割：以紋理特征的一致性為準則的圖像分割處理。由于不同物體往往具有不同的紋理特征，紋理分割將圖像中劃分為互不相交的若干區(qū)域，每一個區(qū)域內(nèi)部具有相對一致的紋理特性。 紋理分割包括有監(jiān)督和無監(jiān)督的紋理分割。有監(jiān)督紋理風是指在對待分割圖像掌握一定經(jīng)驗知識的情況下的紋理分割，反之則稱為無監(jiān)督分割。紋理的先驗知識包括確定待分割圖像的紋理類別數(shù)目，不同紋理的表現(xiàn)特性等等。紋理分類：通過紋理特征的描述、提取和識別處理，將不同類別的未知紋理圖像正確的歸類到已知的紋理類型。紋理分類一般包括訓練和分類兩個階段一般是有監(jiān)督的。紋理檢索：通過某種相似性準則計算紋理特征之間的距離，對圖像進行識別檢索。紋理檢索時基于內(nèi)容的圖像檢索研究的一個重要內(nèi)容。本文中我們主要研究紋理特征的提取，探討肝臟所具有的紋理特性，為今后進一步進行超聲圖像的分割、分類及自動識別打下基礎。紋理圖像分析的基本方法有兩種類型:結(jié)構(gòu)分析法和統(tǒng)計分析法。結(jié)構(gòu)分析法從圖像(或局部區(qū)域)的排列特征出發(fā)著力找出紋理基元，再從結(jié)構(gòu)組成上探索紋理的分布規(guī)律，計算紋理基元的特征參數(shù)或構(gòu)成紋理的結(jié)構(gòu)參數(shù)。紋理基元可以是直觀的、明確的，如氣泡紋理的基元通常是圓或橢圓。也可以是不明確的，需要人為的定義。紋理基元參數(shù)包括基元的尺寸、位置和姿態(tài)等，紋理結(jié)構(gòu)參數(shù)包括相位、距離、分離度、同現(xiàn)率等。紋理的空間組織可以是隨機的，可能一個基元對相鄰基元有成對的依賴關系，或者幾個基元同時相互關聯(lián)。 統(tǒng)計分析法是從圖像有關屬性的統(tǒng)計特性出發(fā)，著重于分析圖像區(qū)域灰度分布的統(tǒng)計特性(常用的描述子有n階矩、直方圖、共生矩陣等)。統(tǒng)計分析法適用于描述木紋、沙地和草坪等自然界廣泛存在的不規(guī)則、隨機性(或周期性不明顯)的紋理，對圖像宏觀特性的描述比較有效，適應性強。 這些方法可以粗略的分為三類: (1)基于特征:該方法利用感興趣的區(qū)域的某些特征參數(shù)基本一致的特點來處理的。 (2)基于模型:這種方法假定研究的紋理是由某模型過程的一些參數(shù)決定的，所以我們可以用模型參數(shù)作為紋理的特征來識別紋理圖像。基于模型參數(shù)的分析方法可以看作是基于特征方法的一個子集。 (3)基于結(jié)構(gòu):該方法搜尋紋理基元的排列規(guī)則。 基于結(jié)構(gòu)的紋理分析必須在紋理具有很強的紋理基元的情況下應用。但在實際情況下，紋理往往不能滿足這個假設條件，所以結(jié)構(gòu)化紋理分析的應用范圍有限。這里不作介紹?；谔卣骱突谀Ｐ偷姆治龇椒ū容^常用，下面分別介紹其中比較經(jīng)典的方法。 基于特征的分析方法空間自相關函數(shù)法紋理結(jié)構(gòu)常用其粗糙性來描述，其粗糙性的程度與局部結(jié)構(gòu)的空間重復周期有關。周期大的紋理粗，周期小的紋理細?？臻g自相關函數(shù)是計算紋理測度的一種基本方法。紋理測度變化的傾向是小數(shù)值的紋理測度表示細紋理，大數(shù)值的紋理測度表示粗紋理。設圖像為{I（x，y),0 ≤ x ≤M,0≤ y ≤ N}，其自相關函數(shù)定義為: （）上式是對(2W+1)(2W+1)窗口內(nèi)每一象素(j,k)與偏離值e,η=0177。1177。2，…,177。(e,η)時象素的相關性要高于細紋理區(qū)域?；蛘哒f，對于粗紋理圖像，自相關函數(shù)C(e，η。j,k)隨著偏離值增大而下降的速度較慢。而細紋理圖象的C(e，η。j,k)，C(e，η。j,k)將呈現(xiàn)某種周期性的變化，其變化周期的大小可以作為描述圖象紋理的重要特征。自相關函數(shù)擴展的一種測度是二階矩，即 ()可見，紋理粗糙性越大。2 、Laws能量法1980年，Laws提出了一種新的紋理描述方法，=[1,4,6,4,1]。V2=[1,2,0,2,1]。V3=[1,0,2,0,1]。V4=[1,2,0,2,1]。V5=[1,4,6,4,1]之間相互卷積后得到25個二維濾波模板后分別與紋理圖像卷積。卷積后的圖像中每個象素值用以該象素為中心的局部窗口內(nèi)的均方值(紋理能量)或平均絕對值代替，從而獲得紋理的度量，其性能有意義地優(yōu)于共生矩陣法.Tamura紋理特征基于人類對紋理的視覺感知的心理學的研究，Tamura等人提出了紋理特征的表達。Tamura紋理特征的六個分量對應于心理學角度上紋理特征的六種屬性。其中，粗糙度(Coarsenes) 。時比度(Contrast)、方向度(Dirrectianality)這三個分量比較重要，它們的定義和數(shù)學表達如下:，計算圖像中大小為2K2K個象素的活動窗口中象素的平均強度值，即 （） 其中k2是選取的窗口大小，k=0,1,2 ... 。 g（i，j）是位于(i，j)的象素強度值。然后對于每個象素，分別計算它在水平和垂直方向上的郁域均值差值。 （）其中對于每個象素，能使E值達到最大(無論水平還是垂直方向)的k值用來設置最佳尺寸Sbest（x，y）=2k最后，粗糙度可以通過計算整幅圖像中Sbest的平均值來得到: （） ，因此對圖像分析更為有利。 對比度對比度通過對象素強度分布情況做統(tǒng)計后得到。它通過a4=μ4/s2定義，其中μ4是四階均值而s2是方差。對比度由如下公式衡量: n=8,4,2,1,1/2,1/4或1/8 （）FCON給出了整個圖像或區(qū)域中汁比度的全局度量。方向度方向度的計算需要首先計算每個象素處的梯度向量。該向量的模和方向分別定義為 () 其中△H和△V是圖像分別卷積下列兩個3*3的差分算子得到的水平差分和垂直差分: 一1 0 1 1 1 1 一1 0 1 0 0 0 一1 0 1 1 1 1當所有象素的梯度向量都被計算出來后，可以構(gòu)造一個方向角局部邊緣概率直方圖HD來表達θ值。首先對θ的值域范圍進行離散化，然后統(tǒng)計直方圖中每個點值相應的△G大于給定閑值的象素數(shù)量。這個直方圖對于具有明顯方向性的圖像會表現(xiàn)出峰值，時于無明顯方向的圖像則表現(xiàn)得比較平坦。最后，圖像總體的方向性可以通過計算直方圖中峰值的尖銳程度獲得，表示如下: （） 上式中的r為直方圖歸一化系數(shù)，p代表直方圖中的峰值，F(xiàn)為量化后的方向角，np為直方圖峰值個數(shù)，F(xiàn)p為波峰中心位置，Wp為該峰值兩側(cè)谷底距離。因此，基于模型的紋理分析的關鍵是準確估計模型的特征參數(shù)集。紋理模型法認為一個象素與其鄰域內(nèi)的象素存在某種依賴關系，這種關系既可以是線性的，也可以是服從某種條件概率的。常用的模型有聯(lián)立自回歸模型(SAR) ,Markov隨機場(MRF)模型，Gibbs隨機場模型等。 聯(lián)立自回歸模型(SAR) SAR通過象素的線性組合來反映圖像中的象素與部域象素間的線性依賴關系。在SAR模型中，對于每一個象素，其強度值g(s)表示為它的相鄰象素強度值的線性疊加與嗓音項e（s)之和，即: （） 其中D表示s的相鄰象素集，μ是圖像均值，由整幅圖像的平均強度值所決定。θ(r)是一系列模型參數(shù)，用來表示不同相部位置上的象素的權值。e(s)是均值為0而方差為s2的高斯隨機變量。 此時，參數(shù)θ和標準方差s的值反映了圖像的紋理特征，可以通過回歸法計算模型參數(shù)來獲取紋理的局部統(tǒng)計特性。Markov隨機場(MRF)模型如果將紋理圖像視作一個二維隨機過程的有限采樣，則這個隨機過程由它的統(tǒng)計參數(shù)決定。定義一個部域，如果隨機場中某點采樣的條件概率僅和該鄰域內(nèi)的點有關，那么該隨機場就是Markov隨機場。引入MRF作為圖像的隨機模型是紋理分析中的一個重要成就。在離散的高斯馬爾可夫隨機場模型中，任何象素的灰度值都可以通過其鄰域灰度值的線性組合加上加性噪聲來建模的，模型如下: () 其中:N為鄰點集，Ws為噪聲，θ為權重系數(shù)。 使用最小二乘法或最大似然法估計這些模型參數(shù)，然后將這些佑計參數(shù)同已知紋理類型的參數(shù)進行比較，可以比較好地進行紋理分析。 Gibbs隨機場模型用Gibbs分布來描述的場是吉布斯隨機場，與之相應的圖像模型為吉布斯圖像模型，這種模型是通過描述幾何結(jié)構(gòu)和象素間相互作用力的定量參數(shù)來具體實現(xiàn)的。在這里象素間的相互作用力并不是真正意義上的象素間的相互作用，而是反映了紋理中一些特定的信號組合出現(xiàn)的概率，象素間信號組合的概率分布越不均勻，即不同象素上信號間的概率關系稱之為象素間相互作用。相互作用結(jié)構(gòu)是通過相互作用的象素的特性子集來描述的。相互作用的強度由所謂的吉布斯勢給出，吉布斯勢控制了所有信號組合在這些子集中的概率分布。近年來，隨著人們在紋理分析領域中研究的不斷深入，提出了大量創(chuàng)新和改進的方法，很大程度上提高了紋理分析的精度。其中，以分形理論和小波理論的應用最為突出。分形理論的應用 ，如云、會發(fā)現(xiàn)放大后的形體與原形體十分相似，一個典型的例子是koch曲線。Koch曲線從一單位等邊三角形的三條邊開始，截去中間的三分之一，代之以兩個三分之一長且相交60o角的線段，然后對每個三分之一長的線段重復上面的過程，這樣無窮進行下去，就構(gòu)成了koch曲線。每個操作步驟都會將曲線的整個長度增加3/4倍，從構(gòu)成過程來看Koch曲線的長度最終將是無窮的。，線段的維數(shù)是1，正方形的維數(shù)為2，若用線段來測量正方形結(jié)果為無窮大，說明尺度太細了。而用正方形來量度線段結(jié)果為零，對于Koc