图像特征提取与分析

《图像特征提取与分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第6讲图像特征提取与分析重点：图像特征及特征提取的基本概念。常见的图像特征提取与描述方法，如颜色特征、纹理特征和几何形状特征提取与描述方法。6.1基本概念6.2颜色特征描述6.3形状特征描述6.4图像的纹理分析技术6.5小结6.1基本概念目的让计算机具有认识或者识别图像的能力，即图像识别。特征选择是图像识别中的一个关键问题。特征选择和提取的基本任务是如何从众多特征中找出最有效的特征。特征形成根据待识别的图像，通过计算产生一组原始特征，称之为特征形成。特征提取原始特征的数量很大，或者说原始样本处于一个高维空间中，通过映射或变换的方法可以将高维空间中的特征描述用低维空间的特征来描述，这个过程

2、就叫特征提取。特征选择从一组特征中挑选出一些最有效的特征以达到降低特征空间维数的目的，这个过程就叫特征选择。选取的特征应具有如下特点：可区别性可靠性独立性好数量少6.2颜色特征描述6.2.1颜色矩6.2.2颜色直方图6.2.3颜色集6.2.4颜色相关矢量6.2.1颜色矩颜色矩是以数学方法为基础的，通过计算矩来描述颜色的分布。颜色矩通常直接在RGB空间计算颜色分布的前三阶矩表示为：6.2.2颜色直方图设一幅图像包含M个像素，图像的颜色空间被量化成N个不同颜色。颜色直方图H定义为：（6-4）为第i种颜色在整幅图像中具有的像素数。归一化为：(6-5)由于RGB颜色空间与人的视觉不一致，可将RG

3、B空间转换到视觉一致性空间。除了转换到前面提及的HSI空间外，还可以采用一种更简单的颜色空间：这里，max=255。彩色图像变换成灰度图像的公式为：其中R,G,B为彩色图像的三个分量，g为转换后的灰度值。（6-6）（6-7）6.3形状特征描述6.3.1几个基本概念6.3.2区域内部空间域分析6.3.3区域内部变换分析6.3.4区域边界的形状特征描述6.3.1几个基本概念邻域与邻接对于任意像素(i,j),(s,t)是一对适当的整数，则把像素的集合{(i+s,j+t)}叫做像素(i,j)的邻域.直观上看，这是像素(i,j)附近的像素形成的区域.最经常采用的是4-邻域和8-邻域4-邻域和8-邻

4、域邻域与邻接互为4-邻域的两像素叫4-邻接。互为8-邻域的两像素叫8-邻接。对于图像中具有相同值的两个像素A和B，如果所有和A、B具有相同值的像素序列存在，并且和互为4-邻接或8-邻接，那么像素和叫做4-连接或8-连接，以上的像素序列叫4-路径或8-路径。像素的连接像素的连接在图像中，把互相连接的像素的集合汇集为一组，于是具有若干个0值的像素和具有若干个l值的像素的组就产生了。把这些组叫做连接成分，也称作连通成分。在研究一个图像连接成分的场合，若1像素的连接成分用4-连接或8-连接，而0像素连接成分不用相反的8-连接或4-连接就会产生矛盾。假设各个1像素用8-连接，则其中的0像素就被包围

5、起来。如果对0像素也用8-连接，这就会与左下的0像素连接起来，从而产生矛盾。因此0像素和1像素应采用互反的连接形式，即如果1像素采用8-连接，则0像素必须采用4-连接。连接成分连接性矛盾示意图在0-像素的连接成分中，如果存在和图像外围的1行或1列的0-像素不相连接的成分，则称之为孔。不包含有孔的1像素连接成分叫做单连接成分。含有孔的l像素连接成分叫做多重连接成分。区域内部空间域分析是不经过变换而直接在图像的空间域，对区域内提取形状特征。1.欧拉数图像的欧拉数是图像的拓扑特性之一，它表明了图像的连通性。下图(a)的图形有一个连接成分和一个孔，所以它的欧拉数为0，而下图(b)有一个连接成分和

6、两个孔，所以它的欧拉数为-1。可见通过欧拉数可用于目标识别。6.3.2区域内部空间域分析具有欧拉数为0和-1的图形2.凹凸性凹凸性是区域的基本特征之一，区域凹凸性可通过以下方法进行判别：区域内任意两像素间的连线穿过区域外的像素，则此区域为凹形。相反，连接图形内任意两个像素的线段，如果不通过这个图形以外的像素，则这个图形称为是凸的。任何一个图形，把包含它的最小的凸图形叫这个图形的凸闭包。凸图形的凸闭包就是它本身。从凸闭包除去原始图形的部分后，所产生的图形的位置和形状将成为形状特征分析的重要线索。凹形面积可将凸封闭包减去凹形得到。区域的凹凸性3.距离距离在实际图像处理过程中往往是作为一个特征

7、量出现，因此对其精度的要求并不是很高。所以对于给定图像中三点A,B,C，当函数D(A,B)满足下式的条件时，把D(A,B)叫做A和B的距离，也称为距离函数。第一个式子表示距离具有非负性，并且当A和B重合时，等号成立；第二个式子表示距离具有对称性第三个式子表示距离的三角不等式。(1)欧氏距离:(2)4-邻域距离，也称为街区距离:(3)8-邻域距离，也称为棋盘距离:计算点(i,j)和(h,k)间距离常采用的几种方法：%两点间的直线距离街