王晗 王辉

（1.盘锦高级技工学校 辽宁省盘锦市 124000 2.盘锦职业技术学院 辽宁省盘锦市 124000）

自然纹理具有复杂精细的结构，目前还没有统一公认的定义和标准，如何进行有效描述和表征自然纹理一直是计算机视觉领域的重要研究方向[1]。一般来说，常见自然纹理包括木纹、颗粒、鱼鳞、裂纹、斑纹、绒毛、条纹和波纹等多种，其中以板材表面纹理的变化最多、最为复杂。因此，本文选择板材纹理作为自然纹理的典型代表对象进行分类识别研究。以往的研究，只从单一的角度去观测板材表面的纹理特征，这显然是不充分的[2～3]。本文提出了一种基于多纹理特征的自然纹理分类识别方法，将三类纹理分析方法看成是三种不同类型的传感器，分别在空间域和频率域中提取了板材自然纹理图像的纹理参数，并运用多传感器数据融合理论，从多个角度观测了板材表面的自然纹理特征，利用特征选择算法消除了多类特征参数间的冗余性，并借用了特征参数间的互补信息，达到了提高对板材自然纹理样本识别能力的目的。

1 自然纹理特征的获取

1.1 GLCM与GMRF及其特征计算

灰度共生矩阵（GLCM）则是一种常用纹理统计分析方法，它通过统计在灰度空间上具有特定某种位置关系的一对灰度像素同时出现的频数[4～6]。具体可描述为从灰度值为i 的图像像素(x, y)出发，统计与其距离为d、灰度值为j 的图像像素(x+Δx, y+Δy)同时出现的频数值P(i, j, d,θ) ，数学上可定义是为：

一般情况下，我们并不直接……