Zusammenfassung
In diesem Beitrag wird ein Farbkovarianz-Texturmodell mit einem reduzierten Parametersatz vorgestellt. Die Farbkovarianz ist ein statistisches Maß zweiter Ordnung zur Korrelationsanalyse in mehrkanaligen Farbbildern. Als Modellparameter werden Kovarianzen bezüglich räumlicher und farblicher Relationen von Bildpunkten ermittelt. Zusätzlich wird die Farbverteilung durch Histogramme als Modellparameter definiert. Die Signifikanz der Parameter wird überprüft, indem natürliche Mikrotexturen zunächst analysiert und anschließend anhand der extrahierten Parameter neu synthetisiert werden. Hohe Ähnlichkeiten zur Originaltextur lassen auf signifikante Parameter schließen. Verschiedene Experimente werden unternommen, um die Anzahl der Texturparameter möglichst gering zu halten.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Similar content being viewed by others
Literatur
A. Burmeister, Cl. Küblbeck, T. Wagner. Tumorerkennung durch Verbindung von Textureigenschaften und Farbinformation. In Proc. 2. Workshop Farbbildverarbeitung, S. 11–16, Ilmenau, 1996.
A. Gagalowicz. Texture modelling applications. Visual Computer, 3: 186–200, 1987.
L. van Gool, P. Dewaele, A. Oosterlinck. Texture analysis anno 1983. Computer Vision, Graphics and Image Processing, 29: 336–357, 1985.
A. Gagalowicz, S.D. Ma, C. Tournier-Lasserve. Efficient models for color textures. Proc. Int. Conf. on Pattern Recognition (ICPR), S. 412–414, 1986.
R.M. Haralick. Statistical and structural approaches to texture. Proc. of the IEEE, 67 (5): 786–804, 1979.
M. Hauta-Kasari, J. Parkkinen, T. Jaaskelainen, R. Lenz. Generalized cooccurrence matrix for multispectral texture analysis. Proc. Int. Conf. of Pattern Recognition (ICPR), S. 785–789, 1996.
R.M. Haralick, K. Shanmugam, I. Dinstein. Textural features for image clas- sification. IEEE Transactions on Systems, Man and Cybernetics, 3: 610–621, 1973.
G. Healey, L. Wang. Illumination-invariant recognition of texture in color images, Journal of the Optical Society of America, 12: 1877–1883, 1995
J. Kittler, R. Marik, M. Mirmehdi, M. Petrou, K.Y. Song. The detection of local abnormalities in a random macro texture. Technical report, University of Surrey, UK, 1995.
R. Lakmann, L. Priese. Farbtextursynthese mit Farbkovarianzmerkmalen. Proc. 2. Workshop Farbbildverarbeitung, S. 21–24, Ilmenau, 1996.
D.K. Panjwani, G. Healey. Markov random field models for unsupervised segmentation of textured color images. IEEE Transactions on Pattern Analysis and Machine Intelligence (PA MI), 17 (10): 939–954, 1995.
T.R. Reed, J.M.H. Du Buf. A review of recent texture segmentation and feature extraction techniques. CVGIP: Image Understanding, 57 (3): 359–372, 1993.
A. Rosenfeld, A.C. Kak. Digital Picture Processing, Volume 2. Academic Press, 1982.
T. Schindewolf, R. Albert, W. Stolz, W. Abmayr, H. Harms. Klassifikation melozytärer Hautveranderungen anhand makroskopischer Farbaufnahmen. In S.J. Pöppl, H. Handels (Hrsg.), Mustererkennung 1993, 15. DA GM-Symposium, S. 436–443, 1993.
J. Scharcanski, J.K. Hovis, H.C. Shen. Representing the color aspect of texture images. Pattern Recognition Letters, 15: 191–197, 1994.
T.S.C. Tan, J. Kittler. Colour texture analysis using colour histogram. IEEE Proc. on Vision and Image Signal Processing, 141 (6): 403–412, 1994.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1997 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Lakmann, R., Priese, L. (1997). Ein Farbkovarianzmodell zur Analyse und Synthese von Farbtexturen. In: Paulus, E., Wahl, F.M. (eds) Mustererkennung 1997. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-60893-3_3
Download citation
DOI: https://doi.org/10.1007/978-3-642-60893-3_3
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-63426-3
Online ISBN: 978-3-642-60893-3
eBook Packages: Springer Book Archive