CN1164716A

CN1164716A - 利用图案的粗糙度和方向性的纹理分类装置

Info

Publication number: CN1164716A
Application number: CN96120368A
Authority: CN
Inventors: 金镇宪
Original assignee: Daewoo Electronics Co Ltd
Current assignee: Fengye Vision Technology Co., Ltd.
Priority date: 1996-05-08
Filing date: 1996-10-28
Publication date: 1997-11-12
Anticipated expiration: 2016-10-28
Also published as: IN191304B; CN1114889C; EP0806741A3; JPH09319870A; JP4000380B2; KR970078633A; EP0806741A2; US5832118A; KR100207426B1

Abstract

用于根据图案的粗糙度和方向性来分类一有纹理的图象的装置包括：用于从该有纹理的图象获得一量化图象的量化器，用于沿M个扫描方向扫描该量化图象以由此提供M个扫描图象的扫描块，灰度平均行程构成块，图案粗糙度确定块，图案方向性确定块，以及用于根据粗糙度和方向性来分类该有纹理的图象的纹理分类块。

Description

利用图案的粗糙度和方向性的纹理分类装置

本发明涉及一种用于分类有纹理的图象的装置；而且，更具体地，涉及一种根据其纹理图案的粗糙度和方向性分类有纹理的图象的装置。

纹理感觉是人类视觉的一个重要部分。尽管物体有相似的颜色和形状，但可以通过它们的特征纹理来区分。在感觉表面的方向和相对距离时，纹理信息是重要的。虽然对纹理的精确定义并不存在，便通常认为它由大量元素组成，每个元素在某种程度上是可见的，而且在整体上这些元素稠密地、均匀地排列于一视域中，因而在图案中具有显著的特征空间重复性。

总的来说，用于分类输入图象的纹理图案的装置确定每一输入图案属于预定类型中的哪一类，其中这样的分类结果被用来识别该输入图象。

在这样一种装置中，通常采用两种方法来分类纹理图案：统计方法和结构或合成方法。

统计方法试图获得纹理的整体特征，其中象素灰度的空间分布的统计特性被用作纹理描述符。这种方法的关键特点是该描述只依赖于点特性，而不直接应用元素或子区域，这就使得这种方法在许多情况下不如结构方法有效。

另一方面，结构方法将纹理视为一组空间子图案按照一定放置规则的排列。纹理图案可由诸如直线和曲线的简单图案元素构成。但是，图案元素的选择也许是一项困难的任务，因为目前并没有适用于这一任务的通用规则，而且，实际上它取决于每个用户的直观推断及经验或偏好。

表面的纹理由诸如细致、粗糙、光滑、颗粒状、随机性等特性来表征。在这些特性中，粗糙度和方向性可用作表征一纹理图案的重要特征。粗糙度是与图案元素的尺寸有关的性能。方向性指图案元素或者沿一个方向放置或者沿各个方向分布的程度或趋势。如果粗糙度和方向性被有效地量化，它们可用作分类有纹理的图象的有效判据。

因此，本发明的首要目的是提供一种根据其图案的粗糙度和方向性来分类有纹理的图象的装置。

根据本发明，提供了一种用于分类一包含多个象素的有纹理的图象的装置，每个象素由一灰度值代表，该装置包括：

一量化器，用于从有纹理的图象获得一量化图象，该量化图象包含多个象素，每个象素由N个量化值之一表示，N是一个正整数；

一扫描块，用于沿M个扫描方向扫描该量化图象以由此产生M个扫描图象，M是一正整数；

一灰度平均行程构成块，用于通过计数具有相同量化值的象素的行程来为M个扫描图象中的每一个和N个量化值中的每一个提供一组行程，由此提供M×N组行程，并通过对每组行程取平均值来提供M×N个平均扫描宽度，从而形成一个其元素为该平均行程的M×N矩阵；

图案粗糙度确定块，用于通过利用该矩阵来确定该有纹理的图象的粗糙度；

图案方向性确定块，用于通过利用该矩阵来确定该有纹理的图象的方向性；及

纹理分类块，用于根据其粗糙度和方向性对有纹理的图象进行分类。

通过结合下列附图对优选实施例的描述，本发明的上述及其它特点将变得显而易见。

图1表示根据本发明的纹理分类装置的示意性方框图；

图2表示图1所示装置中的预处理块的详细方框图；

图3A至图3C表示输入图象的动态范围(DR)和直方图的波峰；

图4A至4D示出应用于图1中所示的扫描块中的4个扫描方向。

图5示出由根据每个量化区间和每个扫描方向计算出的平均行程形成的一示例矩阵。

参看图1，示出根据本发明的纹理分类装置的示意性方框图。该装置包括一预处理块100，一扫描块200，一灰度行程矩阵(GLRLM)构成块300，一图案粗糙度确定块410，一图案方向性确定块420，和一纹理分类块600。

本发明主要针对有纹理的图象，其中纹理图案重复出现，如在一沙漠或农田中。这样一个图象被送入预处理块100。

在预处理块100中，对该有纹理的输入图象进行预处理以便进行以后的处理。具体地，该有纹理的图象被转换成一量化图象，其中每一象素具有若干量化值中的一个值。

参看图2，示出该预处理块100的详细方框图，该预处理块100包括一滤波器110，一直方图提取器115，一动态范围检测块120，一波峰检测块130，和一自适应量化器块140。

滤波器110用来通过去掉包含在该输入图象中的噪声，例如脉冲噪声来获得一滤波图象。一种公知能保持良好边界的交叉形中值滤波器(cross-shaped median filter)可用来减小这样的噪声以保留小尺寸的纹理图象。使用中值滤波器的滤波在逐个象素的基础上进行。本领域中公知的其它低通滤波器可用来实现相同的目的。

来自滤波器110的滤波图象被送至直方图提取器115，其中通过将图象中的象素的频数标绘为灰度值的函数来获得该滤波图象的直方图。在该输入图象较大或包含大量明显的纹理的情况下，一次处理整个图象也许是不合适的。在这种情况下，在将该输入图象送入直方图提取器115之前，可将其分为多个子图象或处理块。在直方图提取器115中，计数图象或子图象中具有各个灰度，即0至255的象素的数目，以由此提供对于每一灰度值的频数。在图3A至3C中，示出了示例性直方图，其中水平轴代表灰度，垂直轴对应于输入图象或子图象中具有各个灰度值的象素的频数。

该直方图被送入为输入图象确定灰度的动态范围(DR)的动态范围检测块。DR可定义为直方图中其频数不小于1个象素的最大灰度值和最小灰度值之间的一个灰度值范围。在图3B和3C中，DR被确定为MIN和MAX之间的一段。

DR和直方图被送入波峰检测块130，在其中检测DR内的波峰，例如围绕峰值点P1的一个波峰，如图3A所示。检测波峰之前，可以对直方图进行平滑，即通过取平均来消除直方图中的小波动。直方图的波峰可定义为包含一个峰值点，例如P1的一簇灰度，所述峰值点是直方图中的局部最大值而且其频数大于一阈值。该阈值可被确定为该直方图的平均频数，在图3A至3C中由MEAN表示。一个波峰的存在表明在输入图象中某一簇特定灰度出现的频数远比其它的高。

定义峰值点之后，可利用例如Fumiaki Tomita等人在“通过结构分析描述纹理”Description of Texture by structural Analysis (IEEE“图象分析与机器智能”Pattern analysis and machine intelligence Col.PAM1-4，No.2，1982年3月)中提出的方法来确定波峰的宽度。

具体地，为了确定一个波峰宽度W1，该围绕峰值点P1的波峰近似为一个三角形，如图3A所示。令D1和E1代表其频数低于平均值(MEAN)且最靠近P1的左点和右点。该波峰的左下点和右下点B1和C1是直线P1D1和P1E1的延长线分别与直方图的基准线即水平轴的交点。宽度W1被确定为区间B1C1的长度。该波峰的位置也可由左点和右点来表示。

将来自波峰检测块130的DR与波峰信息和来自滤波器110的滤波图象提供给自适应量化块140，其中波峰信息包括例如波峰的宽度和位置。

在该自适应量化块中，输入图象的动态范围被分为一预定数目N个量化区间，或等效地，N-1个量化阈值被确定，例如图3B和3C所示的例子中N为4。然后，通过用相应的量化值来表示具有包含于量化区间内的灰度值的所有象素来形成量化图象，其中每个象素由N个量化值之一来表示。

输入图象的量化，即动态范围的DR的分割，是考虑到波峰信息来完成的。具体地，如图3B和3C所示，N个量化区间，例如Q1至Q4，以这样一种方式确定，即当所有检测到的波峰的宽度都大于预定的峰宽度阈值时，将动态范围DR分为宽度相等的N个量化区间；否则，将量化区间分配给其宽度小于该波峰宽度阈值的波峰，然后，将其余区间分配给其余动态范围。

这就是说，如果图3B中所示的波峰的宽度W2大于波峰宽度阈值，Q1至Q4被确定为具有相同的宽度；而如果W2小于该阈值，则将Q1分配给包围P1点的波峰，动态范围DR的其余部分被平均分为三部分Q2，Q3和Q4。波峰宽度阈值可以通过将动态范围DR除以总的量化区间数目N，例如在图3B或3C中为4，来获得。应注意的是，量化区间Q1延伸到MIN，因为波峰的左下点B2和MIN之间的间隔大小，不足以向其分配一个完整的区间。

同样，如果动态范围中有两个波峰，如图3C所示，则首先分别确定包围P3和P4的波峰的宽度W3和W4。当W3和W4都小于波峰宽度阈值时，把Q1和Q4分别分配给每个波峰，而其余的动态范围被分为两个相等宽度的量化区间Q2和Q3。

随后，将量化图象输入图1中所示的扫描块。在扫描块200中，对该量化图象进行若干方向的扫描。参看图4A至4D，示出了根据本发明在扫描块中执行扫描的多个扫描方向，这些方向是水平(H)，垂直(V)，右上角与左下角之间的第一对角方向(D1)和左上角与右下角之间的第二对角方向(D2)，按照本实施例，为一个量化图象提供4个方向的4个扫描图象。

将这些扫描图象提供至GLRLM构成块300，其中为每一扫描方向和每一量化区间计数行程，即在扫描图象中的属于同一量化区间的连续象素的数目。由于有4个扫描方向和4个量化区间，可确定16组行程然后，通过对包含在同一组中的行程取平均来确定平均行程。

如图5中所示，在GLRLM构成块中，形成了由平均行程Lij构成的GLRL矩阵，其中i代表4个扫描方向，例如H，V，D1和D2，j代表4个量化区间或量化值。例如，图5中的L1至L14分别表示水平扫描图象中与量化区间Q1至Q4相对应的平均行程。

GLRL矩阵被耦合至图案粗糙度确定块410和图案方向性确定块420，其中通过预定的判据从GLRL矩阵分别获得输入纹理图案的粗糙度和方向性。更具体地，纹理图象的粗糙度可由下面的公式计算。

其中，Lij指第i扫描方向和第j量化区间或量化值的平均行程，i和j分别为从1至M和从1至N的正整数；M和N分别为扫描方向和量化区间的数目；K为GLRL矩阵中零元素的数目。

另一方面，纹理图象的方向性可按照下面的公式确定。

方向性＝MAX(DH，DV，D_D1，D_D2). 公式2

其中D_H，D_V，D_D1和D_D2分别与沿水平(H)，垂直(V)，第一对角(D1)和第二对角(D2)方向的方向性的程度相关。应注意的是，随着方向性的增大，有纹理的图象沿着一个方向显示出比沿其它方向更多的直线或类似直线的图案。

随后，图案粗糙度确定块410和图案方向性确定块420的输出被送入纹理分类块600，其中在粗糙度值和方向性值的基础上把输入图象分为多个类型。例如，如果我们根据粗糙度把有纹理的图象分为M1类并根据方向性把其分为M2类，则该图象被归为M1×M2类之一。

如上所述，有纹理的图象在本发明的纹理图象分类装置中被分类。该分类结果可被用于在计算机视觉系统中识别纹理图案。

虽然已结合具体实施例对本发明作出了描述，但只要没有脱离所附权利要求中所确定的本发明的精神和范围，对本领域的技术人员而言作出许多变动和修改是显而易见的。

Claims

1、一种用于分类包含多个象素的有纹理的图象的装置，每个象素由一灰度值表示，该装置包括：

量化装置，用于从该有纹理的图象获得量化图象，该量化图象包含多个象素，每个象素由N个量化值之一表示，N是一个正整数；

用于沿M个扫描方向扫描该量化图象以由此产生M个扫描图象的装置，M是一个正整数；

用于提供一组行程的装置，它通过计数具有相同量化值的象素的行程来为M个扫描图象中的每一个和N个量化值中的每一个提供一组行程，以由此提供M×N组行程；

用于通过对每组行程取平均来提供M×N个平均行程的装置；

用于构成其元素为平均行程的M×N矩阵；

用于通过利用该矩阵来确定该有纹理的图象的粗糙度的装置；

用于通过利用该矩阵来确定该有纹理的图象的方向性的装置；以及

用于根据粗糙度和方向性来分类该有纹理的图象的装置。

2、权利要求1的装置，还包括一低通滤波器，其中该有纹理的图象在被输入量化装置之前被输入该低通滤波器。

3、权利要求2的装置，其中该低通滤波器为一中值滤波器。

4、权利要求3的装置，其中该低通滤波器为一交叉形中值滤波器。

5、权利要求1的装置，其中该量化装置包括：

用于通过将该有纹理的输入图象中的象素的频数标绘为灰度值的函数来获得一直方图的装置；

用于平滑该直方图的装置；

用于检测该直方图中的动态范围的装置，该动态范围是该直方图中其频数不少于1个象素的最大和最小灰度值之间的灰度值范围；

用于检测该直方图中的波峰的装置，其中每个波峰的位置和宽度被确定；

用于将每个波峰的宽度与一波峰宽度阈值进行比较的装置；以及

装置，用于为其宽度小于波峰宽度阈值的每个波峰分配一个量化区间，并把其余动态范围分为(N-P)个量化区间，P是从0至N范围内的一个整数并代表分配给波峰的量化区间的数目。

6、权利要求5的装置，其中，用于检测波峰的所述装置包括：

用于检测峰值点的装置，该峰值点是直方图的局部最大值且其频数大于该频率曲线的平均频数；

用于检测左点和右点的装置，所述左点和右点的频数小于该平均频数且最靠近该峰值点；

用于确定左下点和右下点的装置，所述左下点和右下点是连接峰值点与左点的直接和连接峰值点与右点的直线的延长线分别与该直方图的基准线的交点；以及

用于将波峰的宽度确定为左下点与右下点之间的长度的装置。

7、权利要求5的装置，其中通过将动态范围的宽度除以N来获得波峰宽度阈值。

8、权利要求1的装置，其中所述M为4，且所述4个扫描方向为水平，垂直，量化图象的右上角与左下角之间的对角方向和左上角与右下角之间的对角方向。

9、权利要求1的装置，其中该M×N矩阵中的元素由Lij代表，j为从1至N范围内的一个正整数，代表N个量化值中的每一个，而i为从1至M的正整数，代表M个扫描方向中的每一个，并且粗糙度被确定为：

Σ_{i = 1}^{M} Σ_{j = 1}^{N} L_{ij} / (N \cdot M - K)

K为代表M×N矩阵中的零元素数目的一个整数。

10、权利要求9的装置，其中所述M为4，所述4个扫描方向为水平，垂直，量化图象的右上角与左下角之间的对角方向和左上角与右下角之间的对角方向，按此顺序的四个方向对应于i＝1至i＝4，且方向性被定义为：

方向性＝MAX(D_H，D_V，D_D1，D_D2)其中：

D_{H} = Σ_{j = 1}^{N} \frac{L_{1 J}}{L_{2 j}}, D_{V} = Σ_{j = 1}^{N} \frac{L_{2 j}}{L_{1 j}}, D_{D 1} = Σ_{j = 1}^{N} \frac{L_{3 j}}{L_{4 j}}, D_{2} = Σ_{j = 1}^{N} \frac{L_{4 j}}{L_{3 j}}

11、如权利要求1的装置，其中所述分类装置将该有纹理的图象按粗糙度归为M1类中的一类并按方向性归为M2类中的一类，以由此将该有纹理的图象归为M1×M2类中的一类。