1。2 图像纹理特征研究的发展与现状

1。3图像分类研究的发展与现状 

1。4论文内容及章节排版

论文主要内容是医学图像纹理特征提取，包含四种常见的纹理特征提取方法，涉及到算法的原理和实现、流程和应用，并给出运行结果及分析。

本文内容分为六章节，具体章节内容如下：

第一章 绪论。本章首先介绍了论文的写作背景和意义，然后介绍了纹理特征提取和图像分类研究的发展和现状，最后对论文的总体布局和各章节的内容进行了简要说明。

第二章 纹理的描述与分析。本章主要从纹理的定义和概念出发，对纹理分析的四大类方法，统计法、频谱法、模型法和结构法的背景和发展进行了介绍。最后对本文讨论的主体对象医学图像特点进行了介绍。

第三章 基于统计法的纹理特征提取方法。本章主要介绍了三种基于统计法的纹理特征提取算法，灰度共生矩阵算法、Tamura纹理分析算法和局部二值模式算法，详细的介绍了这三种算法的原理、实现、测试结果即分析。

第四章 基于频谱法的纹理特征提取方法。本章主要介绍了基于频谱法的纹理特征提取算法，Gabor滤波算法，详细的介绍了算法原理、实现与测试结果。

第五章 总结与展望。本章主要是对论文进行总结，介绍了本文所取得的成果，存在的不足以及对纹理特征用于医学图像分类与检索的展望。

第二章 纹理的描述与分析

2。1 引言 

纹理特征是一种视觉特征，该特征普遍存在但又难以描述，它反映了图像中同质现象重复出现的状况。因此从理论上来讲，纹理特征是非常适合用于基于内容的图像检索与分类的。本章从纹理特征定义出发，首先介绍了医学图像的特点，然后介绍了纹理特征提取的四大类方法，最后在小节中总结了各类方法的特点。

2。2 纹理特征与性质论文网

纹理是一个非常模糊的概念，经常作为感觉或编织物的外观而被归结于人类的感知[5]。纹理没有明确的数学定义，但它是客观存在的，是自然界物体的一种表面属性。通常认为，纹理反映的是颜色在空间上的重复或者变化，以及图像像素间的灰度重复或变化,因此纹理通常用图像的灰度变化来描述[6]。目前关于纹理特征定义的共识通常包含如下两点[7]：一、纹理是通过像素和空间领域灰度分布表现的（局部纹理信息），不同于颜色和灰度特征，二、全局纹理信息由局部纹理信息不同程度的重复构成。

纹理是由纹理基元按一定的排列组合构成的，一般可以用方向性、粗糙性、周期性等特征描述，这几个特性也是人类最强的生理视觉特性，常被用于图像的纹理分类。

纹理特征反映的是图像对应物体的表面性质，是一种全局特征。它与物体的亮度与颜色无关，而与物体表面的结构排列和组织次序有关，因此纹理特征能在一定程度上反映出事物的前后联系和周围环境信息。由于纹理特征是在包含多个像素点的区域中进行统计计算，因此具备一定的容错率，这一点常常被用在图像检索领域。另外，纹理作为统计特征，也具备旋转不变性和一定的抗噪能力。相比于其它图像特征，纹理特征能更好地平衡图像微观结构与宏观性质，因此纹理特征是目标识别需要提取的重要特征。

但是，纹理特征也有其缺点，如纹理特征容易受图像分辨率变化的影响。另外，纹理特征作为一种物体表面性质的特征，是无法获得高层次图像内容的。而且纹理特征容易受到外界物理环境如光照的影响，所以二维图像的纹理难以反映三维物体表面的本质纹理特征。