图像特征提

图像特征提取

摘 要

 特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定

每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些

子集往往属于孤立的点、连续的曲线或者连续的区域。

至今为止特征没有万能和精确的图像特征定义。特征的精确定义往往由问题或者应用类型决

定。特征是一个数字图像中“有趣”的部分，它是许多计算机图像分析算法的起点。因此一个算法

是否成功往往由它使用和定义的特征决定。因此特征提取最重要的一个特性是“可重复性”：同一

常常看到的是连续的纹理与灰度级相似的区域，他们相结合形成物体。但如果物体的尺寸

很小或者对比度不高，通常要采用较高的分辨率观察：如果物体的尺寸很大或对比度很强，

只需要降低分辨率。如果物体尺寸有大有小，或对比有强有弱的情况下同事存在，这时提

取图像的特征对进行图像研究有优势。

常用的特征提取方法有：Fourier 变换法、窗口 Fourier 变换（Gabor)、小波变换法、最

小二乘法、边界方向直方图法、基于 Tamura 纹理特征的纹理特征提取等。

设计内容

课程设计的内容与要求（包括原始数据、技术参数、条件、设计要求等）：

一、课程设计的内容

本设计采用边界方向直方图法、基于 PCA 的图像数据特征提取、基于 Tamura 纹理

特征的纹理特征提取、颜色直方图提取颜色特征等等四种方法设计。

特征和方向特征的权值系数,并给出了相应的权值调整算法.实验结果表明,上述方法明显地

优于其它方法.小波理论和几个其他课题相关。所有小波变换可以视为时域频域的形式，所

以和调和分析相关。所有实际有用的

离散小波变换

使用包含有限脉冲响应滤波器的滤波器

段(filterbank)。构成 CWT 的小波受海森堡的测不准原理制约，或者说，离散小波基可以在

测不准原理的其他形式的上下文中考虑。

通过边缘检测，把图像分为边缘区域和非边缘区域，然后在边缘区域内进行边缘定位．

根据局部区域内边缘的直线特性，求得小邻域内直线段的高精度位置；再根据边缘区域内

边缘的全局直线特性，用线段的中点来拟合整个直线边缘，得到亚像素精度的图像边缘．

在拟合的过程中，根据直线段转角的变化剔除了噪声点，提高了定位精度．并且，根据角

度和距离区分出不同直线和它们的交点，给出了图像精确的矢量化结果

界，对于每一个边界点，根据图像中该点的梯度方向计算出该边界点处法向量的方向

角，将空间量化为 M 级，

计算每个边界点处法向量的方向角落在 M 级中的频率，这样便得到了边界方向直方

图．

图像中像素的梯度向量可以表示为[ ( ，)，)， ( ，)，)] ，其中 Gx( ，)，)，G ( ，)，)

可以用下面的

Sobel 算子[8]：

( ，Y)=，( 一 1，Y+1)+2×，( ，Y+1)+，( +1，Y+1)一，( 一 1，Y 一 1)一 2

× ，( ，Y 一 1)一，( +1，Y 一 1)

( ，Y)=，( +1，Y 一 1)+2×，( +1，Y)+，( +1，Y+1)一，( 一 1，Y 一 1)一 2

× ，( 一 1，Y)一，( 一 1，Y+1) (4)

I(x，y)表示在图像的(x，y)点像素的亮度。为了减少由于数字化过程中产生的噪声的

影响，边界方向直方图是

基于局部像素梯度向量的平均值．因为相反方向的梯度可能会相互抵消，所以并不能直接

对局部邻居像素点的梯度向量平均．解决这个问题的一个方法就是在计算平均值前，先对

用复数表示的向量进行平方运算，等价于把梯度向量的角度增加一倍．角度增加一倍的相

r l80， DFx=0 and DFx=0

o(x，Y)={[l80 DF ． (7) — — 丽， m№M

因此，边界方向直方图可以定义为：

H(k)：H(k)+1，／f ( ，Y)：k and k∈ [0，180] (8)

= 180 是一个特例．它并不意味着像素的边界方向是水平方向且与 =0 的相同．它表示

在这个像素的周。

观察值，形成一个 n ′ m 的数据矩阵， n 通常比较大。对于一个由多个变量描述的复杂

但是，在一般情况下，并不能直接找出这样的关键变量。这时我们可以用原有变量的线

性组合来表示事物的主要方面， PCA 就是这样一种分析方法。

图像的有效检索手段逐渐引起人们的重视,传统的采用基于关键字或描述性文本的数

据库检索方式,已远远不能满足人们的需要,近年来,国际上广泛开展了基于内容的图像检索

(CBIR) 的研究,CBIR 是指根据图像的颜色、形状、纹理等特征以及这些特征的组合来查询

图像,是计算机图像处理和数据库技术的有效结合。颜色是彩色图像的最显著特征之一。因

此,基于颜色的查询是基于内容的图像检索中最基本的方法。这种查询可针对任何类型的彩

色图像。目前,人们已提出了许多种借助于颜色特征对图像进行检索的方法。这些方法常用

的彩色空间有RGB 和HSV ,提取的主要特征是颜色直方图。常用的计算直方图之间距离的

方法有直方图相交法、距离法等，以直方图作为图像的颜色特征进行图像检索,需存储大量

的冗余特征信息,不能精确而简洁地描述图像。本文提出了一种基于HSV 颜色模型,利用主

元分析法(PCA) 对图像的颜色进行特征提取的方法,大大降低了特征向量的维数,减小了特征

数据库的规模。

图像的颜色有多种表示方式,其中HSV 颜色模型是一种适合肉眼分辨的模型,它把彩色

信息表示为三种属性: 色调h 、饱和度s 和亮度v 。HSV 模型的色调h 是由颜色名称来辨别的,

如红、橙、绿,它用角度0°～360°度量;亮度v 是颜色的明暗程度, 通常用百分比度量, 从黑0

到白100 %;饱和度s 指颜色的深浅,用百分比来度量,为从0 到完全饱和的100 %·这种颜色模型

的分解,在其n 个特征值中取前a 个特征值, ( n - a) 个特征值被滤出。a 远小于n ,而a个特征值

(3)由T 返回到n 维空间的投影为L = TPT (4)由^L 张成的子空间称为得分空间,其所包含的信

息量近似原空间L 中所包含的信息量[9 ]。由矩阵L 可求出其协方差矩阵S 的特征值分解S =

1/ ( n - 1) L T L = VΛV T (5)Λ包含幅值递减的非负实特征值(λ1 ≥λ2 ≥⋯≥λn ≥0) ·为了最优

地获取数据的变化量,这里a =6 ,即取前6 个特征值。

利用主元分析法(PCA) 对彩色图像颜色特征进行提取,可将原图像从m ×n ×3 降低至m

入相关反馈来对图像进行分类与检索,以便近一步提高检索效率是有待进一步研究的内容。

储和检索是一个亟待解决的问题。基于内容的图像检索技术能有效的解决这一问题,成为研

实现在图像数据库中自动地、智能地检索、查询和管理图像。在 CBIR 系统中,特征的提取

和匹配算法是决定图像检索结果的关键。在已经存在的颜色特征,纹理特征,形状特征等几

种特征提取方法中,由于纹理特征能够描述图像的平滑,稀疏,规则性等特性,因此本文决定采

状,从基于内容的图像检索系统的基本原理入手,论述了基于内容的图像检索系统的通用框

架、关键技术、检索特点以及应用领域。 其次,描述了纹理和纹理特征,介绍了几种常用的

相似性度量的方法。同时介绍了在基于内容的图像检索技术中相关性反馈技术。 最后,本

效果。最后使用三种特征的加权距离对图像的纹理特征相似性进行度量,并给出了图像检索

效果和可行性。

首先，根据HSV 颜色空间的色彩（Hue）、饱和度（Saturation）和亮度（Value）的值

空间信息的相似度。