最新图像特征提取与分析教程（不变距 hu矩 zernike矩 颜色矩阵 pca幻灯片.ppt

《最新图像特征提取与分析教程（不变距 hu矩 zernike矩 颜色矩阵 pca幻灯片.ppt》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、图像特征提取与分析教程（不变距Hu矩zernike矩颜色矩阵PCA）图像特征提取与分析本章重点：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。1基本概念2颜色特征描述3形状特征描述4图像的纹理分析技术5小结图像特征提取与分析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：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：（8-4）为

2、第i种颜色在整幅图像中具有的像素数。归一化为：(8-5)由于RGB颜色空间与人的视觉不一致，可将RGB空间转换到视觉一致性空间。除了转换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。2.2颜色直方图2.3颜色集颜色直方图和颜色矩只是考虑了图像颜色的整体分布，不涉及位置信息。颜色集表示则同时考虑了颜色空间的选择和颜色空间的划分使用颜色集表示颜色信息时，通常采用颜色空间HSL定义：设BM是M维的二值空间，在BM空

3、间的每个轴对应唯一的索引m。一个颜色集就是BM二值空间中的一个二维矢量，它对应着对颜色{m}的选择，即颜色m出现时，c[m]=1,否则，c[m]=0。实现步骤：对于RGB空间中任意图像，它的每个像素可以表示为一个矢量。变换T将其变换到另一与人视觉一致的颜色空间，即采用量化器QM对重新量化，使得视觉上明显不同的颜色对应着不同的颜色集，并将颜色集映射成索引m。2.3颜色集颜色集可以通过对颜色直方图设置阈值直接生成，如对于一颜色m，给定阈值，颜色集与直方图的关系如下：因此，颜色集表示为一个二进制向量2.3颜色集2.4颜色

4、相关矢量颜色相关矢量CCV(ColorCorrelationVector)表示方法与颜色直方图相似，但它同时考虑了空间信息。设H是颜色直方图矢量，CCV的计算步骤：图像平滑：目的是为了消除邻近像素间的小变化的影响。对颜色空间进行量化，使之在图像中仅包含n个不同颜色。在一个给定的颜色元内，将像素分成相关或不相关两类。根据各连通区的大小，将像素分成相关和不相关两部分。3形状特征描述3.1几个基本概念3.2区域内部空间域分析3.3区域内部变换分析3.4区域边界的形状特征描述3.1几个基本概念邻域与邻接对于任意像素(i,j

5、),(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-邻域3.1几个基本概念4-邻域和8-邻域四近邻八近邻邻域与邻接互为4-邻域的两像素叫4-邻接。互为8-邻域的两像素叫8-邻接。3.1几个基本概念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

6、连接3.1几个基本概念像素的连接3.1几个基本概念将相互连在一起的黑色像素的集合称为一个连通域。四接连意义下为6个连通域。八接连意义下为2个连通域。可以看到，通过统计连通域的个数，即可获得提取的目标物的个数。3.1几个基本概念连接性矛盾示意图连接成分在图像中，把互相连接的像素的集合汇集为一组，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。3.1几个基本概念3.1几个基本概念区域内部空间域分析是不经过变换而

7、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—，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。3.2区域内部空间域分析具有欧拉数为0和-1的图形用线段表示的区域，可根据欧拉数来描述。如下图中的多边形网，把这多边形网内部区域分成面和孔。如果设顶点数为W，边数为Q，面数为F，则得到下列关系，这个关系称为欧拉公式。图中的多边形网，有7个顶点、11条边、2个面、1个

8、连接区、3个孔，因此，由上式可得到。3.2区域内部空间域分析3.2区域内部空间域分析包含多角网络的区域3.2区域内部空间域分析一幅图像或一个区域中的连接成分数C和孔数H不会受图像的伸长、压缩、旋转、平移的影响，但如果区域撕裂或折叠时，C和H就会发生变化。可见，区域的拓扑性质对区域的全局描述是很有用的，欧拉数是区域一个较好的描述子。3.2区域内部空间域分析2.