图像纹理谱描述子算法研究

[摘 要]纹理分析是指通过一定的图像处理技术提取出纹理特征参数来对图像的纹理特征进行描述，并根据某种能够描述纹理空间分布的模型，给出纹理特征的定量估计。本文介绍了一种纹理分析的具体方法--纹理谱描述子算法，并在原始算法基础上进一步介绍了三值域纹理谱描述子算法的原理和特性。

[关键词]三值域 纹理谱 算法

中图分类号：TP301.6 文献标识码：TP 文章编号：1009914X（2013）34025401

一、纹理谱描述子算法的基本原理

LBP算子即局部二值模式（Local Binary Pattern），最早由T.Ojala等（1996）提出。LBP理论简单但是却是极其有效的纹理描述算子，可以对灰度图像中局部邻近区域的纹理信息进行度量和提取。在近十年的时间内，LBP算子已经广泛地应用于纹理分类、图像检索、人脸图像分析等领域。

二、原始纹理谱描述子算法原理

LBP算子最初是一个固定大小为3×3的矩形块，此矩形中有一个中心子块和8个临近子块对应于9个灰度值。以中心子块像素的灰度值为阀值，将周围8个临近子块的像素值与其比较，如果周围的像素值大于中心像素的灰度值，该像素的位置就被标记为1，否则标记为0。将阀值后的值（0或者1）分别与对应位置像素的权重相乘，8个乘积的和即为该矩形块的纹理值。它的取值范围为[0，255]，容易看出，灰度值的单调变化不会引起纹理值的变化。统计图像各个像素点的纹理值的频数，就可以得到图像的纹理谱直方图。

三、圆域上的纹理谱描述子算法原理

在原始矩形域纹理谱描述子方法基础上，Ojala等（2002）对LBP算法作了修改，形成了系统的理论。即由原始LBP算子的定义，引出了圆形域LBP算子的算法。这种算法与矩形域的原理基本相同相，只不过在选取纹理基元时以圆形域来划分，而且在定义领域各点坐标时，那些没有落在像素中心的点坐需要用双线性插值来计算坐标，相对来说处理时间会有所增加.但是圆形域的方法要比矩形域方法的图像处理效果好。

在图像中，随着像素之间的距离加大，像素之间的相关性逐渐减小，显然，在较小的邻域中就可获得绝大部分纹理信息。但是如果取的范围太小同样会影响处理结果，所以取一个合适的圆域半径是至关重要的。一般我们都取半径为1，领域点为8个，这样能更好的描述图像的纹理特征。

四、三值域纹理谱描述子算法原理分析

在以上的原理基础之上，产生了一类能更好反映纹理微观内容的纹理谱描述子。它最大特点就是把原来反映纹理基元的领域灰度和中心灰度差的量有0，1两个值变成了0，1，2三个值。

三值域和二值域比较起来，因为多了一种状态，纹理元的取值增多，所以得出的纹理谱图像就会更利于表现出图像纹理结构的变化，但是同时处理时间也会大大延长。为了兼顾两者的优点，下面提出了一种解决的方法。这种方法是用相关性弱的8 邻域像素构建纹理谱描述子。排除噪声影响，距离越近的像素，其灰度相关性就越大，因此3×3 区域的邻域像素灰度高度相关。仅利用相关性弱的邻域像素，可有效减少纹理谱描述子的冗余描述信息。利用 4 个邻域像素所构建的纹理基元统称为LPF；利用 3 个邻域像素所构建的纹理基元 统称为LPT。LPF 和LPT 的纹理谱维数分别为 和 ，这大大降低了纹理谱计算的空间和时间复杂度。

因此，在以上理论基础上，针对本次仿真试验的具体算法如下：

在选取圆域的基础上，应用三值域的方法，我又分别用8个点，4个点以及3个点的方法进行了比较。为了更形象，以下分别用圆形，方形和三角形来代表上面的三种方法。

由以上的处理结果可以看出，三角形的效果要比其他的两种效果更好，更能体现出原始图像的纹理结构。此外，由于三角形方案的纹理谱维数最低，所以大大节省了处理时间。