文 献 综 述

一、图像纹理

纹理是指图像像素的灰度或颜色的某种变化规律，它是一种区域特征，反映了图像或物体本身各元素之间空间分布的特性。同其它图像特征相比，它似乎能更好地兼顾图像宏观性质与微观结构。对这种表面纹理的研究称为纹理分析[1].它在计算机视觉领域有着重要的应用. 在机械工程中对机械零件加工表面的这种凹凸不平性开展研究同样具有重要的实践意义。图像纹理分析在许多学科都已得到广泛的应用，如细胞图像、金相图像，它也是遥感图像分析的重要手段之一。通过提取图像的纹理特征，研究纹理在图像中反复出现的局部模式和它们的排列规则，获得纹理的定量描述，可以进而对图像或物体进行正确分类。因此，在以往的遥感影像云检测与分类技术中，纹理分析法是重要的方法之一。纹理分析的方法很多，基本上可归纳为统计模型法、结构法、场模型法或频域空域联合分析法等四类，它们都可以应用于云的分类。常用的特征提取与匹配方法[1]：

（1）统计模型方法

统计模型方法的典型代表是一种称为灰度共生矩阵[2]的纹理特征分析方法,灰度共生矩阵的四个关键特征：能量、惯量、熵和相关性。统计方法中另一种典型方法，则是从图像的自相关函数提取纹理特征，即通过对图像的能量谱函数的计算，提取纹理的粗细度及方向性等特征参数。

（2）几何法

所谓几何法，是建立在纹理基元（基本的纹理元素）理论基础上的一种纹理特征分析方法。纹理基元理论认为，复杂的纹理可以由若干简单的纹理基元以一定的有规律的形式重复排列构成。在几何法中，比较有影响的算法有两种：Voronio 棋盘格特征法和结构法。

（3）场模型法

场模型法[3]以图像的构造模型为基础，采用模型的参数作为纹理特征。典型的方法是随机场模型法，如马尔可夫（Markov）随机场（MRF）模型法和 Gibbs 随机场模型法

（4）信号处理法