Tekstuurianalyysi

Tekstuurianalyysi on kuvankäsittelyn ja tietokonenäön ala, joka tutkii kuvan alueiden visuaalisia kuvioita—toistuvia rakenteita, suuntia ja vaihtelua—ja käyttää niitä luokitteluun sekä segmentointiin. Tekstuurit voivat syntyä materiaaleista, luonnollisista pinnoista, lääketieteellisistä kuvista tai satelliittimateriaalista, ja niiden ilmentymä riippuu usein mittausolosuhteista, valaistuksesta ja kuvakoon vaikutuksesta.

Kentässä on kolme yleistä lähestymistapaa: tilastollinen, mallipohjainen ja transformaatiopohjainen. Tilastolliset menetelmät mittaavat paikallisia ominaisuuksia, kuten haralickin glcm-ominaisuuksia (energia, entropia, kontrasti, homogeneisuus) sekä paikallisia tilastollisia mittareita. Mallipohjaiset lähestymistavat kuvaavat tekstuurin sattuvia rakenteita tilanneretroiksi, kuten Markov-random-kenttiä. Transformaatiopohjaiset menetelmät hyödyntävät taajuus- tai suodatinperustaisia kuviota, esimerkiksi Fourier-, Gabor- tai aaltopaketin transformaatioita sekä multiskaalaisia katseluja.

Keskeisiä piirteitä ovat paikallisuus, skaala ja rotaatiointioto, sekä kyky erottaa eri tekstuuriluokat sekä säilyttää suorituskyky kohinan ja valaistusvaihtelujen vallitessa. Yleisimmät sovellukset ovat tekstuurin luokittelu, segmentointi, tekstuurin hakeminen kuvakokoelmista sekä laadunvalvonta teollisuudessa. Tekstuurianalyysi on myös tärkeää lääketieteessä, kaukokartoituksessa ja materiaalitutkimuksessa.

Viimeaikainen kehitys on tuonut syväoppimisen osuuden; konvoluutioneuroverkot voivat oppia tekstuurin piirteitä suoraan kuvista, usein yhdessä perinteisten piirteiden kanssa. Tunnettuja julkisia tekstuuridatastoja käytetään mallien arviointiin, kuten Brodatz ja CUReT.