紋理特徵

紋理特徵刻畫了影象中重複出現的區域性模式與他們的排列規則，常用於影象分類和場景識別。其只能反映物體表面的特性，無法完全反映出物體的本質屬性，所以僅僅利用紋理特徵無法獲得影象的高層次內容。
優點：
1. 具有旋轉不變性
2. 具有良好的抗噪效能。
缺點：
1. 當影象的解析度變化的時候，所計算出來的紋理可能會有較大偏差
2. 有可能受到光照、反射情況的影響
3. 從2-D影象中反映出來的紋理不一定是3-D物體表面真實的紋理

常用的紋理特徵提取方法一般分為四大類：
1.基於統計的方法：灰度共生矩陣、灰度行程統計、灰度差分統計、區域性灰度統計、半方差圖、自相關函式等
優點：方法簡單，易於實現。
缺點：無法利用全域性資訊，與人類視覺模型不匹配；計算複雜度較高，計算耗時。

較為經典的演算法為灰度共生矩陣方法，其通過統計不同灰度值對的共現頻率得到灰度共生矩陣，基於矩陣可計算出14種統計量：能量、熵、對比度、均勻性、相關性、方差、和平均、和方差、和熵、差方差、差平均、差熵、相關資訊測度以及最大相關係數。
灰度梯度共生矩陣將圖梯度資訊加入到灰度共生矩陣中，綜合利用影象的灰度與梯度資訊，效果更好。影象的梯度資訊一般通過梯度運算元(也稱邊緣檢測運算元)提取，如sobel、canny、reborts等。

2.基於模型的方法：同步自迴歸模型、馬爾可夫模型、吉布斯模型、滑動平均模型、複雜網路模型等
3.基於結構的方法：句法紋理分析、數學形態學法、Laws紋理測量、特徵濾波器等
4.基於訊號處理的方法：Radon變換、離散餘弦變換、區域性傅立葉變化、Gabor變換、二進位制小波變換、樹形小波分解等