目前科学技术发展的一个重要方向就是机器视觉。纹理图像分析作为机器视觉系统的重要基础技术，在图像目标识别、跟踪和图像内容理解方面起到越来越重要的作用。机器视觉中纹理图像分析的任务是用计算机技术模拟人类的视觉功能，对纹理图像建模、处理和理解。本书深入、系统地阐述图像纹理的描述方法、纹理建模的基本理论和技术、纹理特征的提取和纹理分析技术的应用。全书分为三个部分：基础理论、纹理分析应用技术和纹理分析的应用。基础部分介绍了常用的纹理描述模型；纹理分析应用技术包括特征提取、纹理分割、纹理分类、纹理合成；纹理分析应用部分主要介绍纹理分析在医学影像疾病诊断、图像检索、目标识别和工业在线检测中的应用。
本书所涉及的内容及讨论的深度适合电子科学与工程、控制理论与控制工程、计算机科学与技术、仪器科学与技术以及相关专业的研究生、高年级本科生，可作为教材或教学参考书，也可供从事与图像纹理分析相关的科研和工程技术人员参考。
样章试读
目录
- 前言
第1章 概述
1.1 纹理图像分析概述
1.2 纹理分析技术发展历史与现状
1.3 纹理分析的应用领域
1.4 前景与展望
参考文献
第2章 基于区域的纹理描述
2.1 结构法纹理描述
2.1.1 基于结构的纹理表示
2.1.2 纹理基元模型
2.2 统计法纹理描述
2.2.1 基于一阶统计的纹理描述
2.2.2 基于边缘纹理直方图描述
2.2.3 灰度共生矩阵
2.2.4 自相关函数
2.2.5 Laws纹理能量描述
2.3 基于模型的纹理表示
2.3.1 基本术语与概念
2.3.2 Gibbs-MRF随机场纹理模型
2.3.3 二维自回归函数
2.3.4 纹理的非参数模型
参考文献
第3章 基于信号处理方法的纹理描述
3.1 纹理的周期性
3.2 空域／频域滤波器
3.3 频谱分析法
3.4 Gabor滤波器
3.5 基于小波分解的多尺度特征
参考文献
第4章 纹理特征提取和选择
4.1 概述
4.2 纹理特征度量
4.2.1 距离度量
4.2.2 概率距离度量
4.2.3 熵函数度量
4.3 纹理特征选择
4.3.1 基于主成分分析的纹理特征选择
4.3.2 基于独立成分分析的纹理特征选择
4.4 纹理特征评价
4.4.1 纹理特征评价函数
4.4.2 纹理特征选择策略
4.4.3 纹理特征选择应用
4.5 纹理特征不变性分析
4.5.1 纹理特征与坐标系统
4.5.2 平移不变性与矩不变特征
4.5.3 纹理特征的尺度和旋转不变性
参考文献
第5章 纹理分割技术
5.1 纹理分割概述
5.1.1 常用纹理分割技术概述
5.1.2 纹理分割的主要过程
5.1.3 纹理分割的应用
5.2 区域生长法
5.2.1 种子像素的选取
5.2.2 区域生长准则
5.3 分裂与合并
5.4 聚类法
5.4.1 基本原理
5.4.2 应用实例
5.5 神经网络方法
5.5.1 常用神经网络结构和原理
5.5.2 无监督神经网络在纹理分割中应用
5.5.3 监督式神经网络在纹理分割中应用
参考文献
第6章 纹理分类
6.1 纹理图像的特征提取与分类
6.2 监督式纹理分类器设计
6.2.1 概率判别规则
6.2.2 Fisher分类器
6.2.3 K近邻法
6.3 无监督纹理分类器设计
6.3.1 K均值聚类
6.3.2 ISODATA聚类
6.3.3 改进的K均值聚类应用实例
6.4 基于小波变换的纹理分类
6.5 基于支持向量机的纹理分类
6.5.1 支持向量机简介
6.5.2 纹理分类实例
参考文献
第7章 纹理合成
7.1 纹理合成概述
7.1.1 纹理合成的发展与现状
7.1.2 纹理合成的发展方向
7.2 基于Markov随机场模型的纹理合成
7.2.1 MRF模型
7.2.2 基于像素的纹理合成
7.3 基于块采样的纹理合成
7.3.1 Chaos Mosaic纹理合成算法
7.3.2 基于块拼接的纹理合成
7.3.3 基于块采样的无约束纹理合成
7.4 基于金字塔算法的纹理合成
7.4.1 图像金字塔
7.4.2 基于金字塔的纹理合成
7.5 有约束纹理合成
参考文献
第8章 纹理分析在医学影像诊断中的应用
8.1 医学影像诊断概述
8.2 基于纹理特征的乳腺X射线图像微钙化簇提取
8.2.1 微钙化以及微钙化簇
8.2.2 乳腺X射线图像微钙化感兴趣区域提取
8.2.3 微钙化点提取
8.2.4 微钙化簇提取与特征提取
8.3 纹理分析在肺部疾病早期诊断中应用
8.3.1 基于纹理特征的肺部分割
8.3.2 基于熵滤波器的ROI区域提取
8.3.3 基于小波变换的肺部蜂巢状组织提取
8.4 肝CT图像的计算机辅助诊断
8.4.1 基于纹理特征聚类的肝脏分割
8.4.2 基于视觉注意模型的肝占位性病变自动提取
8.5 纹理分析在皮肤黑色素瘤诊断中的应用
参考文献
第9章 基于纹理特征的图像分割
9.1 基于Gabor滤波器的纹理图像分割
9.1.1 Gabor小波函数
9.1.2 图像纹理特征的描述
9.1.3 纹理图像分割
9.2 基于复杂性测度的纹理图像分割
9.2.1 复杂性测度描述
9.2.2 KC复杂性测度
9.2.3 C0复杂性测度
9.2.4 Hilbert曲线扫描
9.2.5 基于一维复杂性测度的图像纹理分割
9.2.6 基于二维复杂性测度的图像纹理分割
9.2.7 基于KC复杂性测度的车牌定位
9.3 基于矩的纹理图像分割
9.3.1 Legendre矩
9.3.2 Zernike矩
9.3.3 Krawtchouk矩
9.4 基于高斯混合模型的纹理图像分割
9.4.1 高斯混合模型
9.4.2 最大似然函数
9.4.3 EM估计算法
9.5 多特征多分类器融合的图像纹理分割
9.5.1 纹理特征提取
9.5.2 分类器设计
9.5.3 实验结果
参考文献
第10章 基于纹理的图像检索
10.1 基于内容的图像检索
10.1.1 纹理特征匹配
10.1.2 特征索引机制
10.2 基于纹理特征的图像检索
10.2.1 图像检索中的纹理特征
10.2.2 不变性纹理特征
10.2.3 多特征融合及归一化
10.3 基于纹理分析的医学超声图像检索
10.3.1 空间纹理特征分析
10.3.2 基于多尺度Gabor小波的纹理特征
10.4 颜色和纹理特征在图像检索中应用
10.4.1 基于颜色和纹理特征的图像检索系统
10.4.2 基于小波分解的多尺度纹理描述
参考文献
第11章 基于纹理的目标识别
11.1 目标识别概述
11.2 基于纹理的人脸识别
11.3 基于纹理的缺陷检测
11.3.1 织物纤维缺陷检测概述
11.3.2 基于Gabor小波织物瑕疵检测
11.3.3 机械加工零件表面缺陷检测
11.4 基于纹理特征的珍珠表面缺陷检测
11.4.1 珍珠表面缺陷与检测方案
11.4.2 珍珠表面缺陷增强
11.4.3 珍珠表面的缺陷检测
参考文献
京公网安备 11010102004214号