[论文解读] Texture image analysis and texture classification methods - A review

Laleh Armi, Shervan Fekri-Ershad|arXiv (Cornell University)|Apr 13, 2019

Image Retrieval and Classification Techniques参考文献 47被引用 198

一句话总结

对纹理分析与分类方法的全面综述，将方法分为统计、结构、基于模型和基于变换的类别，并讨论组合方法、分类器、数据集和性能考虑因素。

ABSTRACT

Tactile texture refers to the tangible feel of a surface and visual texture refers to see the shape or contents of the image. In the image processing, the texture can be defined as a function of spatial variation of the brightness intensity of the pixels. Texture is the main term used to define objects or concepts of a given image. Texture analysis plays an important role in computer vision cases such as object recognition, surface defect detection, pattern recognition, medical image analysis, etc. Since now many approaches have been proposed to describe texture images accurately. Texture analysis methods usually are classified into four categories: statistical methods, structural, model-based and transform-based methods. This paper discusses the various methods used for texture or analysis in details. New researches shows the power of combinational methods for texture analysis, which can't be in specific category. This paper provides a review on well known combinational methods in a specific section with details. This paper counts advantages and disadvantages of well-known texture image descriptors in the result part. Main focus in all of the survived methods is on discrimination performance, computational complexity and resistance to challenges such as noise, rotation, etc. A brief review is also made on the common classifiers used for texture image classification. Also, a survey on texture image benchmark datasets is included.

研究动机与目标

• 激发并界定纹理分析及其在计算机视觉任务中的重要性。
• 将纹理分析方法分类为统计、结构、基于模型和基于变换的类别，并讨论它们的优缺点。
• 强调组合方法及其在超越单一类别方法中的作用。
• 讨论常用于纹理分类的分类器并综述基准数据集。
• 评估关键因素，如判别性能、计算复杂性，以及对噪声和旋转的鲁棒性。

提出的方法

• 对纹理分析方法进行调研并归类为四大类（统计、结构、基于模型、基于变换）。
• 讨论跨越多类别的组合方法的重新兴起及其作用。
• 提供以判别性能、计算复杂性以及鲁棒性（噪声、旋转等）为焦点的定性评估标准。
• 总结常用的纹理描述子及其优点/缺点。
• 提供文献中使用的纹理基准数据集的综述。

实验结果

研究问题

• RQ1 纹理分析方法的主要类别及各自的优点与局限性是什么？
• RQ2 在判别、计算和对噪声及变换的鲁棒性方面，纹理描述子表现如何？
• RQ3 常用于纹理分类的分类器有哪些，以及存在哪些用于评估的基准数据集？

主要发现

• 本文将统计、结构、基于模型和基于变换的方法确定为纹理分析的核心类别。
• 强调混合多种方法的组合方法，其力量超越单一类别方法。
• 关注各方法的判别性能、计算效率，以及对噪声和旋转的鲁棒性。
• 综述包括对知名纹理描述子及其相对优点和缺点的讨论。
• 提供对标准纹理图像基准数据集的综述，以帮助进行对比评估。