【文章內容簡介】 索中起到非常重要的作用 20世紀 70年代以前出現了自相關函數法 [10]功率譜方法 ,和一些與各種灰度頻率相關的方法等。這些方法取得一定成功 ,但是沒有具體的定義、描述或紋理模型 ,僅僅是某種數學變換。另外還有一些提取紋理特征的方法 ,也僅限于提取特定的圖像屬性 ,如紋理粗糙度 ,紋理直線性等。 1966 年 , Brodatz 給出了很多紋理圖像的例子 ,即所謂的 Brodatz 紋理庫 ,成為后來人們研究紋理的重要數據源。 20 世紀 70 年代 ,最有代表性的是 Haralick 對紋理的分析和理解以及提出的紋理特征提取方法 ,為后續(xù)的紋理研究提供了理論支持和技術積累。 1973 年 , Haralick 在利用陸地衛(wèi)星圖像研究美國加利福尼亞海岸帶的土地利用問題時 ,開創(chuàng)性地提出著名的 GLCM,它在紋理分析中是一個很好的方法 ,廣泛用于將灰度值轉化為紋理信息。此外 ,這個階段出現的方法主要還有灰度行程長度法、灰度差分統(tǒng)計法 ,自回歸模型法等 ,這些方法在紋理分類中有一定效果 ,但是這 些方法的后繼研究很少 ,在實際應用中也較少采用。從 20 世紀 80 年代以來 ,MRF 理論在紋理分析中掀起一陣熱潮 ,為紋理特征提取找到了一個新的方向 ,爾后相繼出現了 MRF 模型、Gibbs 模型、高斯馬爾可夫隨機場 ( GMRF)模型、同步自回歸模型 ( SAR) 、隱馬爾可夫隨機場模型 (HMRF) 、廣義 MRF 模型和多分辨率 MRF 等等。同時 ,分形理論也為提取紋理特征注入了新的活力。 1984 年 ,Pentland 等人在這方面做了開創(chuàng)性的工作 ,指出分形模型非常適用于描述紋理圖像。后來更多學者將分形用于紋理分類 ,以分數維來描述圖 像區(qū)域的紋理特征。其中引人矚目的是 Chaudhuri 和Sarker 提出了差分計盒算法 ,這是一種簡單、快速、精度高的分形維數計算方法 ,也是目前用得較多的一種方法。隨后 , Kapan 等人提出了非常吸引人的擴展分形特征。 90 年代以后 ,人們發(fā)現傳統(tǒng)的紋理分析方法的一個瓶頸在于不能從多尺度華僑大學畢業(yè)設計（論文） 11 有效描述紋理特征。小波理論的出現為時頻多尺度分析提供了一個更為精確而統(tǒng)一的框架。小波變換提供了一種在不同尺度上研究分析圖像紋理細節(jié)的工具 ,為更精細地進行圖像紋理分類和分析提供了新思路 ,在紋理分析中具有廣闊的發(fā)展空間。 1989 年 ,Mallat 首先將小波分析引入紋理分析中之后 ,隨之基于小波的紋理分析方法如雨后春筍般涌現出來。隨著小波理論的發(fā)展 ,小波在紋理特征提取中的應用也不斷發(fā)展。小波理論發(fā)展的許多分支 ,如多進制小波、小波包以及小波框架等等 ,它們均在圖像紋理分析中發(fā)揮了積極的作用。如 Chang 等人提出的基于樹結構小波的紋理分類方法 , Unser 研究的基于小波框架的紋理分類方法。近年來 ,較引人矚目的是 T． ojala 等人于 1996 年提出的局部二進制模式 (LBP) ,該方法分析紋理的吸引人的地方在于其計算復雜度小 ,具有多尺度特性和旋轉不變特性 ,在紋理檢索領域得到應用?？偟膩碇v ,紋理特征提取在國際范圍內呈現更加燦爛的局面 ,一方面 ,人們對已有經典的紋理特征提取方法進行深入研究與擴展 。另一方面 ,新的紋理特征提取方法以及紋理特征提取方法的融合亦在蓬勃發(fā)展 ,主要集中在紋理多尺度特征、旋轉不變特征的提取以及紋理特征的選擇與融合 ,如GLCM 與 MRF 的融合 ,小波方法與 MRF 的融合等等。 2 圖像紋理應用 華僑大學畢業(yè)設計（論文） 12 紋理的定義 紋理的定義一直為人們所關注 ,但是 ,圖像紋理定義問題至今沒有得到圓滿的解決 ,仍然不存在為眾人所公認的定義 ,這正是由于圖像紋理形式上 的廣泛性和多樣性所造成的 , 從而也使得研究者針對不同的應用提出了自己的概念與定義。下面是幾個具有代表性的定義 : 定義 1[11] 紋理是一種反映像素的空間分布屬性的圖像特征 ,通常表現為局部不規(guī)則而宏觀有規(guī)律的特性。 定義 2[10] 如果圖像內區(qū)域的局域統(tǒng)計特征或其他一些圖像的局域屬性變化緩慢或呈近似周期性變化 ,則可稱為紋理。 定義 3 紋理就是指在圖像中反復出現的局部模式和它們的排列規(guī)則。 定義 4 紋理被定義為一個區(qū)域屬性 ,區(qū)域內的成分不能進行枚舉 ,且成分之間的相互關系不十分明確。 定義 5[12] 紋理是一種反 映圖像中同質現象的視覺特征 ,體現了物體表面共有的內在屬性 ,包含了物體表面結構組織排列的重要信息以及它們與周圍環(huán)境的聯系。 定義 6 紋理具有三大標志 :某種局部序列性不斷重復、非隨機排列和紋理區(qū)域內大致為均勻的統(tǒng)一體。 定義 1從物質的組成及人類對物體的視覺感知的角度審視紋理。定義 2中 ,局部屬性的集合可以理解為一些基元類型和它們的空間關系 ,這個定義的一個重要部分是屬性必須在恒定的紋理區(qū)域內重復出現。定義 3通過紋理基元的局部模式的數目和類型以及它們的空間關系來描述紋理。其余定義都強調了隨機性、重復性、規(guī)律性等特征并 存于紋理?？傊?,上述諸定義都是基于特定應用背景的 ,其中的共識是 : ①紋理不同于灰度和顏色等圖像特征 ,它通過像素及其周圍空間鄰域的灰度分布來表現 ,即局部紋理信息 ； ②局部紋理信息不同程度的重復性 ,即全局紋理信息。對紋理的認識或定義決定了紋理特征提取采用的方法 ,由于難以對紋理給出一個精確和統(tǒng)一的定義 ,不能對紋理做出完整的表達 ,一方面使紋理分析中的問題更為錯綜復雜、更具有挑戰(zhàn)性 ； 另一方面 ,圖像的研究者們不斷引入各種模型從不同側面來描述紋理的多種屬性 ,使得對紋理的研究繽紛多彩。 華僑大學畢業(yè)設計（論文） 13 局域二值模式 局部二值模式 (Local Binary Pattern， LBP) [1315]是由 T． ojala 等在 1996 年提出的，由于理論、計算簡單，因此受至 UJ許多研究者的青睞，被廣泛應用于圖像處理領域． LBP 可以刻畫鄰域內像素點的灰度相對于中心點的變化情況，注重像素灰度的變化，符合人類視覺對圖像紋理的感知特點，是一種有效的紋理圖像描述子 。 LBP 嚴格來講是一種特征提取方式。就特征提取方式而言，目前最成熟最常用的是 gabor 特征。這兩種特征， gabor 效果更加魯棒， lbp 的特點是運算速度快，便于在嵌入式等平臺運行。一般如果 條件允許，二者會進行結合，包括定義結合特征（比如 LGBP,LGXP 等），特征級融合和決策級融合。而影響人臉識別算法最終效果的因素還包括：鑒別特征提取方式（主流是 PCA+LDA），特征點定位精度（眼睛定位或臉部器官輪廓特征點定位），以及最終距離的計算方式（歐式，MQDF，以及各種融合，和閾值機制）。對于 LBP 本身，是一種紋理描述方法，在紋理分類，特征表示，物體檢測等領域都有應用。此外， lbp 本身還有很多變種，包括 blockbased lbp(lab)， volume lbp（在相鄰幀時域進行編碼）等，是一種使 用簡單，運算速度快的特征，有很多應用。 基本 LBP 首先定義局部紋理模式 T 為圖像局部區(qū)域內 ? ?1?PP 個像素點的灰度值的聯合分布： ? ?110 , ?? Pc ggggtT ? （ ） 其中， cg 是局部區(qū)域的中心像素的灰度值， ? ?110 , ?Pggg ? 則代表中心周圍的像素點灰度值，這些鄰近像素距離中心像素為 R ，等距離成環(huán)形對稱分布，如圖 所示。 華僑大學畢業(yè)設計（論文） 14 圖 對于一個包括 1 個中心像素和 8 個鄰域像素的 3 3 窗口，以中心像素的灰度值為閩值，將其鄰域的 8 個灰度值與閾值進行比較，小于閾值的像素用 0 表示，反之用 1 表示．然后順時針方向讀出 8 個二進制數值，作為該中心像素的特征值 。具體過程如圖 2． 2 所示，其中， pattern=10001111； LBP=1+16+32+64+128=241。 圖 這個點的像素的 lbp 算子就是 241。 為計算和表達方便，將局域紋理模式的二值編 碼轉化為一個實數編碼： ? ????? 10, ,2Pi iciRP ggsL B P () 其中 P =8， R =1。 旋轉不變 LBP 當圖像旋轉后，領域的像素僅僅圍繞中心像素轉過一定角度，排列順序沒有改變，相應的灰度差分也沒有變化，但因為坐標系沒有旋轉，所以二值編碼中的華僑大學畢業(yè)設計（論文） 15 0 和 1 就要環(huán)形移動，如圖 所示 。實際上，這些模式應該視為相同的模式，為消除圖像旋轉帶來的影響，實現旋轉不變性，調整式為： ? ?? ?1,1,0,m i n , ??? PkkL B PR orL B P RPri RP ? () 0 0 0 0 1 1 1 1 0 0 0 1 1 1 1 0 0 0 1 1 1 1 0 0 0 1 1 1 1 0 0 0 1 1 1 1 0 0 0 0 1 1 1 0 0 0 0 1 1 1 0 0 0 0 1 1 1 0 0 0 0 1 1 10 0 0 0 1 1 1 1 ( 1 5 )0 0 0 0 1 1 1 1 ( 1 5 ) 圖 當 P=1， R=8 是 原來的 256 個二值模式 被壓縮 為 36 個具有旋轉不變性的二值模式。 這 些模式不是等概率出現的，差異很大，有些模式出現的幾率非常高。所以我們把 有部分模式出現的幾率非常高 的模式獨立出來 ，它們代表了紋理的一些基本屬性，或基本特征。這些模式有一個共同的特點：具有很少的空間結構的階躍，即在環(huán)形的二值編碼中，從 0 變?yōu)?1 或從 1 變?yōu)?0 的次數很少。圖像旋轉后由于插值的原因會造成像素 灰度值的改變，進而導致二值編碼發(fā)生變位。由于結構的特點，這些恒定二值模式相對于其它的二值模式，發(fā)生變位的幾率要小的多。 因此 這些恒定二值模式可以看作紋理的微結構 。 華僑大學畢業(yè)設計（論文） 16 圖 局域紋理的恒定與非恒定二值模式 （ 8,1 ?? PR ） 為了再次調整 LBP 計算公式（ ） ，首先定義一個 “ 恒定 ” 度量，即計算環(huán)形二值編碼中的 0/1 階躍次數： ? ? ? ? ? ? ? ? ? ???? ?? ???????? 11 101, Pi ciciccPRP ggsggsggsggsL B PU () 然后選擇 “ 恒定 ” 度量不大于 k 的模式作為恒定二值模式。為保證灰度尺度與旋轉不變性，調整式（ ）為 ? ? ? ?? ???????????? ??? 11,10, kL B PUPkL B PUggsL B PRPRPPi cir iu kRP () 通常， 2?k 。 這樣，原始的 P2 個二值模式就 壓縮為 ? ?1?P 個恒定二值模式和一個非恒定二值模式，而且具有灰度與旋轉不變性。 本章小結 顯而易見的是，上述提取的 LBP算子在每個像素點都能夠獲得一個 LBP“編碼”，那么，對一幅圖像提取其原始的 LBP算子爾后，獲得的原始 LBP個性依舊是“一幅圖片”。不過，這里我們曾經將物體從圖片（圖片能夠會意為物體在原始測量空間獲得的測量個性）轉換為二次個性，也即便獲得了我們等閑說的“個性”。不過，這個所謂的“個性”并不能直接用于分辨分析。因為，從上面的分析我們能夠看出，這個“個性”跟位相消息是緊湊相干的。 所以在這里我們就提取 原始 LBP個性 圖片的灰度直方圖。計算每個像素值所含的個數，用灰度直方圖進行相似度比對。 華僑大學畢業(yè)設計（論文） 17 3 基于 LBP 紋理的圖像檢索系統(tǒng) 開發(fā)平臺介紹 VC++ Visual C++ ，簡 稱 VC 或者 ，是微軟推出的一款 C++編譯器，將 “ 高級語言 ” 翻譯為 “ 機器語言（低級語言） ” 的程序。 Visual C++是一個功能強大的可視化軟件開發(fā)工具。自 1993 年 Microsoft 公司推出 Visual C++ 后，隨著其新版本的不斷問世， Visual C++已成為專業(yè)程序員進行軟件開發(fā)的首選工具。雖然微軟公司推出了 Visual C++.NET(Visual C++)，但它的應用有很大的局限性，只適用于 Windows 202 Windows XP 和 Windows 。所以實際中 ，更多的是以 Visual C++ 為平臺。 Visual C++ 由 Microsoft 開發(fā) , 它不僅是一個 C++ 編譯器，而且是一個基于 Windows 操 作 系統(tǒng) 的 可視 化集 成 開發(fā) 環(huán)境 （ integrated development environment， IDE）。 Visual C++ 由許多組件組成，包括編輯器、調試器以及程序向導 AppWizard、類向導 Class Wizard 等開發(fā)工具。 這些組件通過一個名為 Developer Studio 的組件集成為和諧的開發(fā)環(huán)境。 Microsoft 的主力軟件 產品。Visual C++是一個功能強大的可視化軟件開發(fā)工具。自 1993 年 Microsoft 公司推出 Visual C++ 后，隨著其新版本的不斷問世， Visual C++已成為專業(yè)程序員進行軟件開發(fā)