Texturklassen

Texturklassen bezeichnen Kategorien, die Oberflächenstrukturen beschreiben. In der Textilwissenschaft dienen sie der Einordnung von Geweben, Flächenstrukturen und Merkmalen wie Glätte, Glanz oder Flor. In der Computer Vision wird der Begriff genutzt, um Bilder in vergleichbare Texturetypen zu unterteilen und automatisch zu klassifizieren. Typische Texturklassen lassen sich grob in regelmäßige Muster, zufällige Muster und anisotrope Strukturen unterscheiden. Texturklassen ermöglichen so die systematische Beschreibung materieller Oberflächen und visueller Muster.

In der Computer Vision dienen Texturklassen als Zielgrößen in Klassifikationsaufgaben. Merkmale wie Haralick-Texturmerkmale, Local Binary Patterns, Gabor-Filter oder Wavelet-Koeffizienten werden zu Vektoren kombiniert und mit Lern-Algorithmen wie SVM, k-NN oder neuronalen Netzen klassifiziert. Typische Datensätze sind Brodatz, CUReT, Kylberg und Describable Textures Dataset (DTD). In der Textilpraxis finden sich Texturklassen wie glatte Gewebe, Plain-, Twill- oder Satin-Webarten sowie Flor- oder Rippenstrukturen.

Zentrale Herausforderungen sind Beleuchtungs- und Skalierungsvariationen, Rotation und Sichtwinkel. Lösungen umfassen invariante Merkmale, Multi-Skala- und rotationsinvariante Merkmale sowie Datenaugmentation. Texturklassen finden Anwendung in Qualitätssicherung, Materialerkennung, Restaurierung, Fernerkundung und medizinischer Bildgebung, wo Texturinformationen Rückschlüsse auf Materialzustand, Gewebestruktur oder Oberflächenqualität ermöglichen.