积分商城

最新搜索： stm32f7 固件库 HFBR-0310Z光纤发射和接收电路 频率计 高频开关变换器的数字控制 multisim运放 PCIe
您现在的位置是：首页 > 技术资料 > 图像纹理分类方法研究进展和展望
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

图像纹理分类方法研究进展和展望

更新时间：2019-12-25 17:33:54 大小：1M 上传用户：守着阳光1985查看TA发布的资源 标签：图像纹理 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

纹理分类是计算机视觉和模式识别领域的一个重要的基本问题,也是图像分割、物体识别、场景理解等其他视觉任务的基础.本文从纹理分类问题的基本定义出发,首先,对纹理分类研究中存在的困难与挑战进行阐述;接下来,对纹理分类方面的典型数据库进行全面梳理和总结;然后,对近期的纹理特征提取方法的发展和现状进行归类总结,并对主流纹理特征提取方法进行了详细的阐述和评述;最后,对纹理分类发展方向进行思考和讨论.


部分文件列表

文件名 大小
图像纹理分类方法研究进展和展望.pdf 1M

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
第 44 卷 第 4 期  
2018 年 4 月  
自
动
化
学
报
Vol. 44, No. 4  
April, 2018  
ACTA AUTOMATICA SINICA  
图像纹理分类方法研究进展和展望  
王 亮 3  
刘 丽 1  
赵凌君 2  
郭承玉 1  
汤 俊 1  
摘
要
纹理分类是计算机视觉和模式识别领域的一个重要的基本问题, 也是图像分割、物体识别、场景理解等其他视觉任务  
的基础. 本文从纹理分类问题的基本定义出发, 首先, 对纹理分类研究中存在的困难与挑战进行阐述; 接下来, 对纹理分类方面  
的典型数据库进行全面梳理和总结; 然后, 对近期的纹理特征提取方法的发展和现状进行归类总结, 并对主流纹理特征提取方  
法进行了详细的阐述和评述; 最后, 对纹理分类发展方向进行思考和讨论.  
关键词 纹理分类, 特征提取, 深度学习, 局部特征描述, 计算机视觉  
引用格式 刘丽, 赵凌君, 郭承玉, 王亮, 汤俊. 图像纹理分类方法研究进展和展望. 自动化学报, 2018, 44(4): 584−607  
DOI 10.16383/j.aas.2018.c160452  
Texture Classification: State-of-the-art Methods and Prospects  
LIU Li1  
ZHAO Ling-Jun2  
GUO Cheng-Yu1  
WANG Liang3  
TANG Jun1  
Abstract Texture is a fundamental characteristic of many types of images. Texture classification is one of the essential  
tasks in the field of computer vision and pattern recognition. It is also the basis of other complex vision tasks, such as  
image segmentation, object recognition and scene understanding. In this paper, we first address the importance of texture  
classification and summarize the diきculties and challenges in the development of texture feature extraction approaches.  
Then we discuss the existing texture databases which are generally acknowledged as public evaluation bases for texture  
classification methods. Next, we review recent achievements in the study of texture feature development and provid detail  
discussion on prominent texture feature descriptors. Finally, we point out the future directions of texture classification.  
Key words Texture classification, feature extraction, deep learning, local descriptors, computer vision  
Citation Liu Li, Zhao Ling-Jun, Guo Cheng-Yu, Wang Liang, Tang Jun. Texture classification: state-of-the-art methods  
and prospects. Acta Automatica Sinica, 2018, 44(4): 584−607  
作为一种重要的视觉线索 纹理广泛存在于自  
然界各种物体的表面 在图像中则体现为特征值强  
度的某种局部重复模式的宏观表现 无论是对自然  
图像、遥感图像或是医学图像而言 纹理都是一种非  
常重要的特征 而对于纹理特征的研究也成为图像  
处理、计算机视觉和模式识别领域中一个难以回避  
的基础性难题 一直以来广受研究者的关注 在纹理  
特征分析上所取得的进展 不仅对于人类对自身视  
觉机理的理解和研究具有推动作用 而且对计算机  
视觉和模式识别领域的诸多问题起到了重要的支撑  
物体识别、人脸识别、智能视频分析、基于内容的图  
像和视频检索、遥感图像分析、工业检测、医学图像  
分析和文本分类等  
有关图像纹理特征分析的研究最早可追溯到  
的工作[1] 经过  
年
多年的持续研  
究 各类理论和算法层出不穷 不少研究者对纹理  
特征提取方法进行了综述 代表性的工作有  
年
等[2] 对早期的纹理特征提取方法进行  
总结 将其大致分为 类 基于统计的特征、基于  
几何的特征、基于结构的特征、基于信号处理的特  
作用并得到了广泛的应用 如视觉导航、场景分类、 征和基于模型的特征 同年  
年以来的纹理特征和纹理分割方法做了简要综述  
等[4] 对基于信号处理的纹理特  
征的分类性能做了详细的实验比较综述  
等[5] 的综述着重讨论了不变性纹理特征提取  
等[6] 对当前几种主要的不  
变性纹理特征提取方法在纹理分类和物体识别中的  
性能进行了评估  
等[7] 对已有的主要  
纹理特征提取方法进行了简单的介绍 并没有进行  
归类  
年 刘丽等[8] 对已有纹理特征提取方法  
进行了归类和总结 其总结的方法多为 年之前  
等[3] 对自  
年
收稿日期 2016-06-08 录用日期 2017-05-06  
Manuscript received June 8, 2016; accepted May 6, 2017  
湖南省自然科学基金杰出青年基金 (2017JJ1007) 资助  
Supported by The Hunan Provincial Natural Science Fund for  
年
Distinguished Young Scholars (2017JJ1007)  
本文责任编委 张长水  
方法  
年
Recommended by Associate Editor ZHANG Chang-Shui  
1. 国防科学技术大学信息系统与管理学院 长沙 410000 2. 国防科  
年
学技术大学电子科学与工程学院 长沙 410000  
3. 中国科学院自动化  
研究所模式识别国家重点实验室 北京 100190  
1. College of Information System and Management, National  
University of Defense Technology, Changsha 410000 2. Col-  
lege of Electronic Science and Engineering, National University  
of Defense Technology, Changsha 410000 3. National Labora-  
tory of Pattern Recognition, Institute of Automation, Chinese  
Academy of Sciences, Beijing 100190  
4 期  
刘丽等: 图像纹理分类方法研究进展和展望  
585  
等[9]、宋克臣等[10]、刘丽等[11] 分别对  
基于局部二值模式  
理特征及其在纹理分析和人脸识别以及其他领域中  
的应用进行综述 上述工作中 文献 总结的是  
较早期方法 文献 讨论的是某一类型的方法  
文献 总结的纹理特征提取方法大多为  
年之前的方法 年以后的方法讨论的极少 近  
期综述 仅仅总结了基于 的纹理特征  
方法的动机、原理、优势与不足 揭示了各种方法之  
间的区别与联系 最后 给出了我们对纹理分类的发  
展方向的一些思考  
纹
−
−
1 纹理分类的难点与挑战  
−
纹理图像分类是视觉研究中的基本问题 也是  
一个非常具有挑战性的问题 纹理图像分类是指基  
于待分类图像或图像区域的内容为其指定一个预  
先定义的纹理类别 纹理特征描述和分类器是图像  
分类的两个关键环节 对图像进行纹理特征描述  
是纹理图像分类的主要研究内容 因为如果提取的  
纹理特征不好 即便好的分类器也无法完成识别任  
务[4 8] 材质分类是指根据图像内容 识别图像中物  
体的所属材质 如木质、玻璃、塑料、钢铁和纤维等  
材质分类问题往往当成纹理分类问题来研究 因此  
本文中我们讨论的纹理分类问题包括材质分类问题  
我们将纹理图像分类的难点与挑战分为两个层次  
实例层次和类别层次  
−
这些文献对当前纹理特征提取方法的论述很不全面  
没有对近十几年以来的纹理特征提取方法进行完整  
清晰的总结 事实上 近年来对纹理特征分析的研究  
催生了一些优秀的图像低层特征表达学习方法 对  
物体识别、场景识别、人脸识别和图像分类等计算  
机视觉领域的其他问题有重要推动作用 因此 有必  
要对近  
年最新的相关研究成果进行全面的综述  
和讨论 本文系统综述了纹理特征提取方法的研究  
进展和当下亟待解决的问题 以期为进一步深入研  
究纹理特征分析和理解以及拓展其应用领域奠定一  
定的基础  
本文从纹理分类问题的基本定义出发 首先从  
实例、类别两个层次对纹理分类研究中存在的困难  
与挑战进行了阐述 接下来 对纹理分类方面的主流  
数据库进行了总结 然后 重点对近期的纹理特征提  
取方法进行了梳理和归类总结 详细阐述了代表性  
实例层次 就单幅纹理图像而言 通常由于  
图像采集过程中光照条件、拍摄视角、拍摄距离和  
拍摄表面的非刚体形变等 使得纹理表观特征产生  
很大的变化 如图  
带来难度  
∼
所示 给纹理分类算法  
图 1 纹理识别难点示例 (实例层次: (a) 光照变化带来的影响, 图片来自 CUReT 数据集第 30 类; (b) 视角变化和局部非刚  
性形变带来的难点, 图片来自 UIUC 数据集第 25 类; (c) 尺度变化带来的影响, 图片来自 KTHTIPS2b 数据集. 类别层次:  
(d) 同一类别的不同实例图像带来很大类内差异, 图片来自 DTD 数据集的 braided 类; (e) 材质识别的难点, 图片来自 FMD  
数据集, 正确答案为 (从左往右): 玻璃, 皮质, 塑料, 木质, 塑料, 金属, 木质, 金属和塑料)  
Fig. 1 Challenging examples of texture recognition ((a) Illumination variations, images are from the 30th category of  
the CUReT dataset; (b) View point and local non-rigid deformation, images are from the 25th category of the UIUC  
dataset; (c) Scale variations, images are from the KTHTIPS2b dataset; (d) Diあerent instance appearance variations from  
the same category, images are from the braided category in the DTD dataset; (e) Material classification diきculties,  
images are from the FMD dataset, the category for these images are as follows (from left to right): glass, cortex, plastic,  
wood, plastic, metal, wood, metal, and plastic, (a), (b) and (c) belong to instance-level variations; (d) and (e) belong to  
category-level variations.)  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号