Statistical and structure approaches to texture(持续更新)

INTRODUCTION

这一篇也是Haralick的论文，1979年发表在IEEE上，有20多页，非常经典，总结了纹理特征提取的方法.

REVIEW

brief 

1. autocorrelation function(自相关函数)
2. optical transforms

3. digital transforms

   前3种是相关的，都是直接或者简介度量spatial frequency,  fine texture are rich in high spatial frequencies while coarse texture arerich in low spatial frequencies. 

4. textural edgeness 

   将纹理看成每个小单元的边界数，fine texture边界数多

5. structural elements 

   用匹配的步骤去检测spatial regularity of shapes in a binary image.当structural elements是一个像素点，就成了autocorrelationfunction of the binary image.

6. spatial gray tone cooccurrence probabilities

   灰度的变化率，fine Texture变化快

7. gray tone run lengths         

   coarse texture 在constant灰度有比较多的点

8. autogressive models 

    线性预测

Autocorrelation Function

有个概念叫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)是图像的大小

自相关函数ρ随（x,y）变化而变化.

论文中作者打了个比方，这个函数是两个相同的图片叠在一起，当x=0,y=0就是完全重合，此时函数值最大 ＝ 1

令d = √（x^2+y^2）,那么当d = 0时，ρ最大

在有些地方看到式子写成这样

这是错误的，不能直接把系数给约掉除非x = y = 0

不同的纹理图像, ρ 随d的变化不同；纹理较粗，下降速度慢；纹理较细，下降速度快。

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

Texture Edgeness

作者提到了这个公式，这个不就是拉普拉斯算子么 回忆一下：

-1
－1	4	－1
－1

这个式子不就代表我们的拉普拉斯算子嘛。 这种方法难道就是把边界找出来，然后再进行一系列的处理？

Spatial Gray-Tone Dependence: Cooccuvence

灰度共生矩阵在上一篇文章中已经详述过了

References

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