图象纹理特征提取与应用

摘要 图像处理方法的研究源于两个主要应用领域：其一是为了便于人们分析而对图像信息进行改进；其二是为使机器自动理解而对图像数据进行存储、传输及显示。图像处理涉及的范畴及其他相关领域（例如，图像分析和计算机视觉）的界定在初创人之间并没有一致的看法。有时用处理的输入和输出内容都是图像这一特点来界定图像处理的范畴。我们认为这一定义仅是人为界定和限制。 从图像处理到计算机视觉这个连续的统一体内并没有明确的界线。在这个连续的统一体中可以考虑三种典型的计算处理（即初级、中级和高级处理）来区分其中的各个学科。低级处理涉及初级操作，如降低噪音的图像预处理、对比度增强和图像尖锐化、低级处理是以输入、输出都是图像为特点的处理。中级处理涉及分割（把图像分为不同区域或目标物）以及缩减对目标物的描述，以使其更适合计算机处理及对不同目标的分类（识别）。中级处理是输入为图像，但是输出的是从这些图像中提取的特征（如边缘、轮廓及不同五天的标识等）为特点的。最后，高级处理涉及咱图像分析中被识别物体的总体理解，以及执行与视觉相关的识别函数等。 本文具体介绍图像特征的提取，就是图像中级处理。同时，对各种特征提取的方法进行比较，然后选取一种方法实现。 关键字：图像处理?? 特征提取? 纹理特征? 灰度共生矩阵 研究背景和现状 图像处理最早的应用之一是在报纸业，当时，图像第一次通过海底电缆从伦敦传往纽约。早在20世纪2-年代曾引入Bartlane电缆图片传输系统，把横跨大西洋传送一副图片所需要的时间从一个多星期减少到3个小时。为了用电缆传输图片，首先要进行编码，然后在接收端用特殊的打印设备重构该图片。这些早期图像处理视觉质量的改进工作，涉及到打印过程的选择和亮度等级的分布等问题。 图像处理技术在20世纪60年代末和20世纪70年代初开始用于医学图像、地球遥感监测和天文学等领域。早在20世纪70年代末发明的计算机轴向断层术（CAT）【简称计算机断层（CT）】是图像处理在医学诊断领域最重要的应用之一。 从20世纪60年代至今，图像处理领域已得到了生机勃勃的发展。除了医学和空间项目的应用外，图像处理技术现在已应用在了更广泛的范围。计算机程序用于增强对比度或将亮度编码为彩色，以便于解释X射线和用于工业、医学及生物科学等领域的其他图像、地理学用相同或相似的技术从航空和卫星图像中研究污染模式。图像增强和复原过程用于处理不可修复物体的已损图像或者造价昂贵不可复制的实验结果。在考古学领域，使用图像处理方法已成功地复原了模糊的图片，这些图片是丢失或损坏的稀有物品唯一现存的记录。在物理学和相关领域，计算机技术通常增强如高能等离子和电子显微镜方法等领域的实验图像。图像处理技术也成功地应用在天文学、生物学、核医学、法律实施、国防及工业领域中。 2.2图像特征提取的应用 图像特征提取广泛应用于生产生活中:在布匹的生产过程中，由于设备或原料等原因，不可避免会在织物表面产生疵点。疵点是影响织物品质的主要因素也是布匹等级评定的参考依据。传统的布匹检测方法是由验布工人逐匹查验布料上的疵点，将之记录在报告表上，并给予评分分数，作为布料等级评估的依据。人工验布的检测效率及精度都有待提高。随着计算机技术、数字图像处理技术的发展，基于图像处理的疵点自动检测研究在20世纪90年代后形成了一个高潮。 随着城市建设脚步的加快，汽车工业的发展，机动车保有量稳步增长，热别是私人汽车增长势头迅猛，机动车数量接近饱和，城市交通的超负荷运转，直接导致堵塞、事故等系列严重的交通问题。智能交通管理系统就是围绕解决这些问题而产生的。在交通管理系统中，车脸图像的特征提取是非常重要的一步。准确提取出特征后，才能进行车辆型号、大小、车牌的识别。智能交通管理系统它使交通基础设施发挥出最大的效能，提高服务质量，使社会能够高效地使用交通设施和能源，节约了大量的自然资源，同时也给社会带来了巨大的经济回报。