隋宇 陈亚彬 曹华珍 韦斌

摘 要：基于Backes Andre Ricardo等人提出的“构造伴生动态演化网络”、生成“高维解释向量”的纹理图片分类法，研究了Kylberg纹理图像库的分类问题。通过将数据集图片样本进行二次分割以减少该算法预处理计算量、提出了构建纹理网络时的“网络顶点随机化、抽样采集”策略，该思路可进一步减少算法的时间开销。该类纹理图片数据高维几何数字特征的提取流程易于实现，扩展了原算法的适用范围。数值结果表明算法对旋转操作、噪声干扰具有一定的鲁棒性，具备一定潜在应用前景。

关键词：纹理分析， 复杂网络， 纹理签名， Kylberg纹理数据集

中图分类号：TP391      文献标识码：A

纹理分析是图像处理和计算机视觉中的一个基本问题。在目标识别、遥感和基于内容的图像检索等诸多应用领域中，它都是一个关键问题。尽管对于纹理没有确切的定义，但它是一个很容易被人理解的属性，并且是一个丰富的视觉新消息来源。图像纹理通常被定义为像素强度的空间变化函数。纹理模式通常包含微纹理和宏纹理，前者由若干纹理基本体集合构成，后者表征这些基本体的层次空间排列特征。对图像纹理的感知取决于纹理基本体的空间大小：大基本体产生宏观纹理，小基本体产生微观纹理[1-2]。常见图像特征包含内部特征与外部特征：前者包含灰度特征、纹理特征和形状特征等;后者则主要包含图片内部特定几何形状特征。利用特征提取获得恰当的解释变量矢量集是进行特征选择、分类的关键问题之一;而纹理分析则是通过特定的图像处理技术抽取出纹理特征、获得纹理的定量或定性描述的分析过程。……