Algorithm 版 (精华区)

发信人: lofe (〖感激生活〗), 信区: Algorithm
标  题: computer vision 11
发信站: 哈工大紫丁香 (Sun Sep 10 16:45:20 2000), 转信

9.2 人类视觉系统的纹理分割模型
　　根据已有的证据，人类视觉系统是以图象中所示的方式进行纹理分割的。首先假设，
如前面第　章中所述，输入的图象是以并行的方式在多通道中进行处理的。表示输入图象
在不同频率范围中特性的输出向量被用于计算一定面积内的粗














图　纹理分割的模型

细度、对比度和边缘方向。这三个行性是影响聚集过程的主要因素。多通道模型的输出是
一组区域　，这些区域是根据逻辑谓词P对图象I(I, 
j)的采样网格X进行分割的结果。逻辑谓词定义了进行聚集的条件。按照图　中所示的模
型，纹理分析是一个通用的处理过程，也就是说它与图象中内容特定的应用范围无关，也
即符合低层视觉处理的定义。这可能意味着在人类视觉中纹理的辨别是在双目立体视觉融
合以后，发生在大脑皮
层。
　　人们可用来描述纹理的性质有，均匀性（Uniformity）、密度（densiity）、粗细度
（Coarseness）、粗糙度（roughness）、规律性（regularity）、线性度（linearity）
、定向性（directionality）、方向性（dinection）、频率（frequency）和相位（
phase）。这些性质的理想
化图示如图　所示。显然，这些性质之间是相互有联系的。虽然，目前还不完全清楚人类
视觉系统中实际应用多少种性质来描述纹理，但可比较有把握地说，上述性质中的大多种
性质的量测。
图　描述纹理的性质
　　人们用来描述纹理最常用的词巢是粗的或细的[Tamura 
78]。什么是粗的、什么是细的纹理目前还无精确的定义。粗略地讲，我们通过观察组成
图案的纹理基元，如果这些基元的尺寸较大，或有许多重复的基元，则给人总的印象是粗
的。例如，图　中的　和　所示的纹理。已有人提出了检测纹理粗、细程度的多通道模型
。 [Hayes 74] [shen 
80][zucker 
75]做法是在一个小区域里检　查一组不同频率通常的输出，选择其中响应的最强的通道
。空间频率最低的通道被认为表示是粗的纹理，那么高空间频率通道就被认为表示细的纹
理。由于通道的响应大小不但由基元的大小，而且由分布规律所决定。所以还需要在一个
领域里作出每个通道响
应的直方图曲线［zucKer 75］，通过分析这些曲线的特性就能确定纹理的粗、细。
　　描述纹理的第二个特性是边缘元素的方向，或斜率。心理物理学的实验研究表明这个
特性非常重要。图　中的实验表明了基元斜率对区别纹理的强烈影响。正放的和倾斜的T
形之间很容易区分。L形和正放的T形之间在形状上很不同，但似乎可以聚集成一个区域。
图　中证明了相似的效
应。图中包括猫、旋转的猫和猫的镜象组成。当要求被试验者确定图象中的边界时，最常
发生的是选择右边的边界［Beck 82］。虽然从单个来看，中间的猫与右面猫的镜象比与
左面旋转的猫相比更相似些。


图　影响纹理区分的因素
(a) 基元斜率的影响，(b) 图形的镜象由于斜率不同于原始图形，更容易与原始图象相区
分
　　我们可以把纹理分成有方向性的和无方向性的两种。同样地，纹理基元的形状和分布
规律都会影响我们对纹理方向性的感知。这里所采用多通道模型，对多通道的输出信号用
边缘检测算子产生在特定方向q上的边缘段。然后求出边缘方向的直方图，直方图的形状
就可以说明纹理的方向
性。如果直方向图上具有光锐和较大的高峰；那么说明这是方向性的纹理；如果直方图较
平坦，那么就是非方向性纹理。
　　第三个被研究的重要特性是图象的对比度。对比度可以根据图象的灰度分布求得。在
人类视觉的纹理感知中粗细度和方向性的作用已得到实验的有力支持。对比度在其中的作
用得到某些实验结果的支持，但它占的重要性还未完全清楚。通常认为图象灰度直方图形
状不应影响对纹理感知
，而灰度直方图又是与图象的对比度有关。因此这个问题还有等进一步研究。

--

--
☆ 来源:．哈工大紫丁香 bbs.hit.edu.cn．[FROM: lofe.bbs@smth.org]