(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211061165.0 (22)申请日 2022.08.31 (71)申请人 华东师范大学 地址 200241 上海市闵行区东川路5 00号 (72)发明人 何鑫鑫　宋海川　 (74)专利代理 机构 上海蓝迪专利商标事务所 (普通合伙) 31215 专利代理师 徐筱梅　张翔 (51)Int.Cl. G06V 10/54(2022.01) G06V 10/30(2022.01) G06V 10/44(2022.01) G06V 10/74(2022.01) (54)发明名称 一种面向非平稳纹理结构属性的结构提取 方法 (57)摘要 本发明公开了一种面向非平稳纹理结构属 性的结构提取方法， 提取非平稳纹理中结构属性 呈现为特征轮廓、 元素分布的纹理示例的结构信 息， 得到非平稳纹理的纹理结构图。 具体步骤： 1） 针对结构属性表现为特征轮廓的纹理示例， 获取 示例特征轮廓结构的边界线， 确定边界线邻域范 围内的其他特征轮廓点， 从而得到纹理结构图； 2） 针对结构属性表现为元素分布的纹理示例， 根 据元素示例块进行局部图像块匹配， 提取块内的 纹理元素， 从而得到纹理结构图。 在纹理合成与 纹理迁移任务中， 非平稳纹理的结构属性一直是 研究难点。 本发 明与现有技术相比能够提取非平 稳纹理图像的结构属性， 为纹理相关任务提供新 的解决思路， 具有一定的应用前 景。 权利要求书2页 说明书5页 附图2页 CN 115457296 A 2022.12.09 CN 115457296 A 1.一种面向非平稳纹理结构属性的结构提取方法， 其特征在于， 根据非平稳纹理示例 呈现的不同结构属性， 分类别进行 结构提取， 该 方法具体包括以下步骤： 步骤1： 具有特 征轮廓结构的纹 理示例的结构提取 1.1： 针对结构属性呈现为特征轮廓的纹理示例， 根据纹理示例中的特征轮廓之间的欧 式距离来确定高斯模糊核的大小， 利用超参数模糊核的高斯滤波对纹理示例进行卷积操作 来去除纹理示例中的噪声信息， 再利用固定模糊核 大小5×5的高斯滤波 再次进行卷积得到 过滤后的纹 理示例； 1.2： 计算纹理示例的梯度幅值和梯度 方向， 并沿着梯度 方向对梯度幅值进行非极大值 抑制； 非极大值抑制是指沿着对应的梯度方向将中心像素点的像素值与周围的两个像素点 的像素值进 行比较， 若中心像素点的像素值为最大值， 则保留中心像素点的原始像素值， 否 则将其置为0； 1.3： 设定超参数高低阈值来检测和连接特征轮廓结构的边缘： 小于设定的低阈值的像 素点置为0， 大于 设定的高阈值的像素点置为 1， 小于设定的高阈值、 大于 设定的低阈值且与 大于设定的高阈值的像素点相连的像素点置为 1， 进一步将所有被置为 1的像素点定义为特 征轮廓结构的边界像素点； 1.4： 遍历特征轮廓结构的边界像素点， 分别从8邻域方向查找设定的超参数欧式距离 阈值范围内的其他边界像素点， 并沿着查找 方向将两个边界像素点之 间的像素点的值全部 重新设置为1， 将所有被置为1的像素点定义为特征轮廓结构； 由像素值为0和 像素值为1的 像素点组成的图像为具有特 征轮廓结构的纹 理示例的纹 理结构图； 步骤2： 具有元 素分布结构的纹 理示例的结构提取 2.1： 针对结构属性呈现为元素分布的纹理示例， 根据纹理元素的大小和颜色差异将其 分为不同类别， 并为每个类别的元素提供一个元素示例， 即在纹理示例中为每一类纹理元 素任意截取一个包 含单个此类别纹 理元素的图像块； 2.2： 基于提供的元素示例， 遍历纹理示例中与元素示例尺寸相等的局部区域， 并计算 元素示例与局部区域的相似度值， 相似度值高于给定相似度阈值的局部区域块被定义为初 始元素块； 设置相似度阈值 为0.15‑0.4； 2.3： 在初始元素块中， 对两个元素块重合度高于设定的重合阈值0.5的元素块进行筛 选： 若两个元素块属于相同类别， 则保留相似度值高的元素块； 否则保留面积更大的元素 块， 最终保留的元 素块被统一标记为目标 元素块； 2.4： 利用基于DUTS ‑TR数据集中10553张图像数据训练的显著性检测模型提取目标元 素块中包含的纹理元素， 将提取出 的纹理元素按照所在元素块的原始绝对位置进行缝合， 得到具有元 素分布结构的纹 理示例的纹 理结构图。 2.根据权利要求1所述的面向非平稳纹理结构属性的结构提取方法， 其特征在于， 步骤 1.2中所述计算纹 理示例的梯度幅值和梯度方向， 具体步骤是： ⅰ)通过利用Sobel滤波器中的卷积阵列对纹理示例进行卷积， 得出水平方向的梯度值 和垂直方向的梯度值； ⅱ)针对水平方向和垂直方向的梯度值， 利用平方和的开方计算出纹理示例的梯度 幅 值， 利用反正切函数计算出纹 理示例的梯度方向。 3.根据权利要求1所述的面向非平稳纹理结构属性的结构提取方法， 其特征在于， 步骤权　利　要　求　书 1/2 页 2 CN 115457296 A 21.4中所述分别从8邻域方向查找设定的超参数欧式距离阈值范围内的其他边界像素点， 具 体步骤是： ⅰ)针对特征轮廓结构倾斜 的纹理示例， 先沿着45 °、 135°、 225°、 315°的方向进行搜索， 然后再从0 °、 90°、 180°、 270°的方向补充搜索； ⅱ)针对轮廓线条水平或垂直的纹理图像， 只需要分别从0 °、 90°、 180°、 270°的方向进 行搜索。 4.根据权利要求1所述的面向非平稳纹理结构属性的结构提取方法， 其特征在于， 步骤 2.2中所述计算元 素示例与局部区域的相似度值， 具体步骤是： ⅰ)对参与计算的元 素示例块和 局部区域 块进行减去像素均值， 除以像素 方差的计算； ⅱ)将元素示例块与局部区域块的相同位置的像素值对应相乘后累计求和， 进一步得 到元素示例块与局部区域 块之间的相似度值。 5.根据权利要求1所述的面向非平稳纹理结构属性的结构提取方法， 其特征在于， 步骤 2.3中所述对两个元素块重合度高于 设定的重合阈值0.5的元素块进 行筛选， 重合度的计算 方式为两个元 素块的交集与两个元 素块的并集之比。权　利　要　求　书 2/2 页 3 CN 115457296 A 3