Microsoft Word Уч пособие 22 09. doc

Оценка наличия текстуры в изображении

При применении методов текстурного анализа мы предполагаем, что входное изображение имеет текстурные характеристики. Поскольку в настоящее время нет единого определения текстуры, то каждый метод текстурного анализа предполагает описание текстуры некоторым набором признаков, извлекаемых из изображения. Поэтому при проведении текстурного анализа, прежде всего, необходимо выделить на изображении текстурные области. В [92] авторы приводят следующую схему оценки текстуры в изображении:
Первые три класса объектов (A,B,C), по мнению авторов, текстурами не являются, к ним в соответствии с рисунком 9.2 относятся: области постоянной яркости, области белого нормального шума и объекты, полностью описываемые их формой. Белым шумом называется стационарный случайный процесс n(t), у которого спектральная плотность мощности не зависит от частоты и имеет постоянное значение, равное дисперсии значений n(t). Другими словами, все спектральные составляющие белого шума имеют одинаковую мощность. По существу, это идеализированный случайный процесс с бесконечной энергией. Считают, что спектральная плотность мощности шумов слабо изменяется в диапазоне спектра сигнала, который существенно уже спектра шума. Понятие "белый шум" определяет только равномерный энергетический спектр шума, а законы распределения амплитуды могут быть любыми. Амплитуда отсчетов белого нормального шума распределена по нормальному закону.
Последние три класса изображений (D,E,F) содержат текстуры и, следовательно, подлежат текстурному анализу. Предварительная грубая сегментация изображения на текстурные и нетекстурные области производится по методу оценки зернистости текстуры [79]. Зернистость текстуры оценивается плотностью распределения локальных экстремумов яркости изображения по столбцам и по строкам. Размер фрагмента, в котором производится оценка зернистости, зависит от ожидаемого диапазона зернистости текстур на изображении.
Чем больше зернистость, тем больший размер фрагмента должен задаваться при анализе. В работе [92] авторы предлагают размер квадратного фрагмента оценивать по формуле:
s  , (9.5)

где: s - размер стороны фрагмента;
^pmin ^{, p}max
- минимальная и

максимальная плотности локальных экстремумов изображений, которые могут быть отнесены к классу текстур, в [92] авторы устанавливают
p_min =0,04, p_max =0,16; n - некоторое, задаваемое пользователем, число
локальных экстремумов во фрагменте, например, 32.

Входное изображение

однородное,
уровень серого ^A

изменение уровней серого

B
изображение белого шума

структурное изображение

объекты, характеризуемые C

формой
неоднородные текстуры
объекты, характеризуемые текстурой


_D однородные текстуры


_E F

несколько текстур одна текстура
Рисунок 9.2 Граф выделения на изображении текстурных областей.
Поскольку быстродействие этого алгоритма достаточно велико, авторам представляется целесообразным использование его как первого шага при анализе текстур с тем, чтобы выделить те области на изображении, которые подлежат более подробному текстурному анализу.