Statistical and structure approaches to texture(持續更新)

INTRODUCTION

這一篇也是Haralick的論文，1979年發表在IEEE上，有20多頁，非常經典，總結了紋理特征提取的方法.

REVIEW

brief 

1. autocorrelation function(自相關函數)
2. optical transforms

3. digital transforms

   前3種是相關的，都是直接或者簡介度量spatial frequency,  fine texture are rich in high spatial frequencies while coarse texture arerich in low spatial frequencies. 

4. textural edgeness 

   将紋理看成每個小單元的邊界數，fine texture邊界數多

5. structural elements 

   用比對的步驟去檢測spatial regularity of shapes in a binary image.當structural elements是一個像素點，就成了autocorrelationfunction of the binary image.

6. spatial gray tone cooccurrence probabilities

   灰階的變化率，fine Texture變化快

7. gray tone run lengths         

   coarse texture 在constant灰階有比較多的點

8. autogressive models 

    線性預測

Autocorrelation Function

有個概念叫Tonal Primitive

Fine Texture -> small size of tonal primitive

Coarse Texture -> large size of tonal primitive

this method tells about the size of tonal primitive

L(x) L(y)是圖像的大小

自相關函數ρ随（x,y）變化而變化.

論文中作者打了個比方，這個函數是兩個相同的圖檔疊在一起，當x=0,y=0就是完全重合，此時函數值最大 ＝ 1

令d = √（x^2+y^2）,那麼當d = 0時，ρ最大

在有些地方看到式子寫成這樣

這是錯誤的，不能直接把系數給約掉除非x = y = 0

不同的紋理圖像, ρ 随d的變化不同；紋理較粗，下降速度慢；紋理較細，下降速度快。

Optical Processing Methods and Texture和Digital Transform Methods and Texture隻是叙述了以下研究成果.

Texture Edgeness

作者提到了這個公式，這個不就是拉普拉斯算子麼 回憶一下：

-1
－1	4	－1
－1

這個式子不就代表我們的拉普拉斯算子嘛。 這種方法難道就是把邊界找出來，然後再進行一系列的處理？

Spatial Gray-Tone Dependence: Cooccuvence

灰階共生矩陣在上一篇文章中已經詳述過了

References

1. Statistical and structure approaches to texture, Haralick, IEEE 1979
2. http://wenku.baidu.com/view/02aa1f68011ca300a6c3909d.html