纹理感知相似性学习综述

作为物体表面的一种基本属性，纹理图像包含了纹理颜色、纹理基元等丰富的图像信息。在计算机视觉研究领域中，人们使用感知相似性来度量不同纹理之间的相似程度，研究人类对纹理图像的视觉感知。纹理相似性度量广泛应用于纹理识别和材质识别，是对象识别和场景理解的关键技术之一。可靠的感知相似性数据可以通过心理物理学实验获得，研究人员通过计算特征之间的距离度量估计纹理感知相似性。本文重点从纹理感知数据获取、纹理计算特征提取和纹理感知相似性估计三个方面回顾了纹理感知相似性学习的发展和常见的处理方法，并结合卷积神经网络对纹理感知相似性学习的对未来发展趋势作了分析。

纹理泛指物体面上的花纹或线条，纹理图像(如图1)广泛存在于世界上，是人类视觉系统最常接收和处理的视觉信息对象。纹理图像包含了纹理颜色、纹理基元等丰富的图像信息，在人们对图像进行分析与理解的时候，提供了十分重要的内容信息，因此，纹理图像分析被广泛应用于物体识别，材料识别与场景识别中。纹理图像包含的丰富的图像信息，很多抽象的信息很难用直观的语言进行描述。随着对纹理图像研究的不断深入，研究人员试图将纹理图像与人类视觉感知相结合，使计算机能够像人类一样去感知纹理图像所包含的信息。探索人类视觉感知纹理图像的研究工作主要集中在纹理感知属性和纹理感知语义这两个方面。纹理感知属性是人们对纹理图像的主观认知，通常是较为抽象的图像信息，例如纹理粗糙度、纹理方向性、纹理光泽度、纹理密度等。而纹理感知语义则是人们对纹理图像的描述，主要包括气泡状的、网格状的、螺旋状的、蜂巢状的等，都是比较具象的描述词。在计算机视觉领域，人们使用感知相似性来衡量不同的纹理图像之间的差异。

Figure 1. Typical texture images 图1. 常见的纹理图像