没有合适的资源?快使用搜索试试~ 我知道了~
数字图像处理中的图像提取,资料很详实,相信会很有帮助的!
资源详情
资源评论
资源推荐
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
场景的不同图像所提取的特征应该是相同的。
特征提取是图象处理中的一个初级运算,也就是说它是对一个图像进行的第一个运算处理
它检查每个像素来确定该像素是否代表一个特征。假如它是一个更大的算法的一部分,那么这
个算法一般只检查图像的特征区域。作为特征提取的一个前提运算,输入图像一般通过高斯模
糊核在尺度空间中被平滑。此后通过局部导数运算来计算图像的一个或多个特征。
常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。当光差图像时,
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。
(1)边界方向直方图法
由于单一特征不足以准确地描述图像特征,提出了一种结合颜色特征和边界方向特征的
图像检索方法.针对传统颜色直方图中图像对所有像素具有相同重要性的问题进行了改进,提
出了像素加权的改进颜色直方图方法;然后采用非分割图像的边界方向直方图方法提取图像
的形状特征,该方法相对分割方法具有简单、有效等特点,并对图像的缩放、旋转以及视角具
有不变性.为进一步提高图像检索的质量引入相关反馈机制,动态调整两幅图像相似度中颜色
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
图像的边界是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合,边界广泛
的存在于物体和背
景之间、物体和物体之间,它是图像分割所依赖的重要特征.边界方向直方图具有尺
度不变性,能够比较好的
描述图像的大体形状.边界直方图一般是通过边界算子提取边界,得到边界信息后,
需要表征这些图像的边
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
反方向的两个梯度向量分别指向它们的对立梯度向量,从而互相得到增强;而处于正交的
两个梯度将会互相抵消,经过平均运算后变回到它们的单一角度的表示。平方的向量可以
表示为:
(G +_,G ) =G 一 G +2_,G G (5)
梯度平方的平均值可以通过对局部邻居(利用非均匀窗口 w)的平均计算得到,
DFx:Σ(G +G;),DFy:Σ(2GxGr) (6)
W W
现在,平均梯度方向 ∈[0,180]可以由下面的公式得到:
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。
围没有亮度变化.边界方向直方图之间距离 D 的计算采用与上面颜色直方图距离之
间的相同的计算公式(3)而得到。
(2) 基于 PCA 的图像数据特征提取
主成分分析 ( Principal Component Analysis , PCA )是一种掌握事物主要矛盾
的统计分析方法,它可以从多元事物中解析出主要影响因素,揭示事物的本质,简化复
杂的问题。计算主成分的目的是将高维数据投影到较低维空间。给定 n 个变量的 m 个
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
事物,人们难以认识,那么是否可以抓住事物主要方面进行重点分析呢?如果事物的主
要方面刚好体现在几个主要变量上,我们只需要将这几个变量分离出来,进行详细分析。
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
用Munsell 三维空间坐标系统表示,因坐标之间的心理感知独立性,因此,可以独立感知各颜色
分量的变化;且这种颜色模型具有线性伸缩性,可感知的颜色差是与颜色分量的相应样值上的
欧氏距离成比例的·在CBIR 中应用这种模型更适合用户的
主元分析法(PCA) 对L 的降维处理由节1. 2 可得到L 矩阵, L 为一m ×n 矩阵, m 、n 由图
像尺寸决定。主元分析法( PCA) 是一种线性降维技术,其基本思想是通过对数据协方差矩阵
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
对应的特征向量构成负荷矩阵P ∈Rn ×a , L 到低维空间的投影就包含在得分矩阵中T = L P
(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
×a ( a 远小于n) ,大大降低了特征向量的维数,减小了特征数据库的规模,为图像的检索建立
了良好的基础·将提取的颜色特征与纹理特征相结合作为支持向量机(SVM) 的输入,同时引
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。
(3) 基于 Tamura 纹理特征的纹理特征提取
随着多媒体信息的广泛应用,并在数据库系统和计算机视觉两大研究领域的共同推动下,
图像检索技术己逐渐成为一个非常活跃的研究领域。如何有效地对这些图像进行分析、存
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
究的热点。基于内容的图像检索(CBIR)不同于传统的基于文本的图像检索,它实际上是一种
模糊查询技术,通过对图像提取一定的特征,找出在特征空间中与查询要求接近的图像,从而
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
用纹理特征作为图像检索的依据。 首先,介绍了国内外基于内容的图像检索系统的研究现
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
纹理分析方法,有灰度直方图、边缘方向直方图、空间灰度共生矩阵、Tamura 纹理特征、
Gabor 滤波器和 Gabor 小波以及图像纹理谱分析方法,本文在传统的纹理特征提取方法的
基础上,利用 Gabor 小波变换在数字图像中局部区域的频率,方向信息的优异性能,和共生矩
阵对图像的整体区域有着较好的处理效果的特点,尝试了结合灰度共生矩阵和 Gabor 滤波
器来提取纹理特征的方法,并对提取的特征进行高斯归一化处理。 另外,在图像相似性度量
方面,阐述了几何矩阵模型和集合理论模型,给出了两种多特征组合的相似性度量结构,以及
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
文设计了一个基于纹理特征的图像检索原型系统,并对系统的各个模块及其功能进行了介绍,
对本文提出的检索技术进行了仿真实验,给出了实验结果,并用排序平价法和平均检索率对
算法进行了评价。
Tamura 纹理特征表示方法,并对其相似性度量方法进行了改进,使用直方图表示了最重
要的粗糙度、对比度、方向度特征。本文还将粗糙度直方图改进为能够适应图片尺寸变化
的方式,另外使用对数非均匀量化方式将对比度特征形成直方图,该处理方法能够更适应人
眼的认知特点。同时,对每种纹理特征都给出了相似性度量仿真实例,证实该方法具有较好
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
的结果和性能评价。 3)兴趣点特征提取:本文综合了 Harris 兴趣点标定方法和区域矩不变
特性对图像兴趣点特征进行表达。该特征能够适应光照、视角、缩放等场景的变化,文中给
出图片实例对这一特点进行了验证。本文根据实验提出了图像的兴趣点相似性度量方法,并
给出了图像检索的结果和性能评价。 本文第二部分研究了区域相似性评价和图片共性特征
归纳方法。区域分割是该过程的基础,本文介绍了一种简单的基于颜色和纹理的区域分割法,
并提出了图像空间结构相似性度量方法。在对具有相似内容的图片进行共性特征提取过程
中,根据不同的应用场景选取了不同的特征子集以降低复杂度。本文还通过实例,阐明了共
性特征提取方法、步骤及概念表达的方法,最后在给出的共性特征标示图中验证了该方法的
效果和可行性。
(4) 颜色直方图提取颜色特征
颜色直方图是在许多图像检索系统中被广泛采用的颜色特征,具有特征提取和相似计
算简便的优点。Swain 和 Ballard 首先把直方图应用于图像检索[1],Smith J.R.提出了在
HSV(Hue,Saturation,Value)空间的 166 色量化方法[2].但在对彩色图像进行检索
时,颜色直方图还存在两个问题:(1)计算颜色直方图需要将颜色空间划分成若干个小
的颜色区间,当区间的数目很大的时候不但会增加计算负担,也不利于在图像库中建立索
引;(2)颜色直方图丢弃了图像的空间信息,对于两幅颜色分布相同,内容并不一样的
图像缺乏区分度。
首先,根据HSV 颜色空间的色彩(Hue)、饱和度(Saturation)和亮度(Value)的值
将图像的颜色划分为9 个区间,计算出每一种颜色区间所占的比重作为直方图信息。然后
计算出每一颜色区间所包含象素的空间分布信息。在图像检索时,综合考虑颜色直方图和
空间信息的相似度。
颜色直方图特征,HSV 颜色空间有三个属性:色彩(Hue),又称为色调,是指色彩
的相貌,与色彩明暗无关;饱和度(Saturation),是色彩纯与不纯的分别;亮度
(Value),是指色彩的明暗程度,光度的高低,越接近白色亮度越高,越接近灰色或黑色
亮度越低。
根据对HSV 空间的研究,人们能够分辨出来的颜色大体上包括:红、黄、绿、青、蓝、
剩余26页未读,继续阅读
yawei147
- 粉丝: 5
- 资源: 7
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0