第十一章 图像匹配与检索.ppt

图像匹配与检索 1、图像匹配 模板匹配 直方图匹配 形状匹配 2、基于内容的图像检索 基于颜色的图像检索 基于纹理的图像检索 基于形状的图像检索 1.1 模板匹配 归一化互相关法： DS(x,y):原图像中与模板对应区域的能量；随匹配坐标点的变化而变化。 DST(x,y):模板与原图像对应区域的互相关；当模板t(j, k)和原图像中对应区域相匹配时取得最大值。 DT(x,y):模板的能量。 归一化互相关：将DS的影响因素引入到互相关DST中： 模板匹配的特点 图像局部匹配。 当原图像发生旋转或缩放时，不能实现匹配。 直方图匹配：根据颜色统计特性进行相似性匹配。 用途：基于颜色的图像检索 方法：根据图像直方图进行距离测量：直方图相交法、欧几里得距离法、中心矩法、街坊距离法等。 直方图相交法 设HQ(k)和HD(k)分别为查询图像Q和数据库图像D的特征统计直方图，则两图像之间的匹配值d(Q, D)为： 欧几里得距离法：欧几里得距离也称欧式距离，是一个通常采用的距离定义，它是在m维空间中两个点之间的真实距离。为减少计算量，可采用直方图的均值来粗略地表达颜色信息： 街坊距离法 形状匹配：根据目标的形状特性进行目标检测或图像检索。 用途：目标检测或图像检索 方法：几何参数法、不变矩法、边界方向直方图法、小波轮廓表示法等。 特点：算法大多比较复杂；更高层次的图像检索。 ` 图像检索的分类： 基于文本描述的检索（通过图片的元数据或标引文字进行检索） 分类目录浏览方式 基于内容的检索（CBIR ——Content-Based Image Retrieval 直接利用图片去检索图片） 特征提取 相似度匹配 相关反馈 索引结构 基于内容的图像检索： 特征提取 颜色 纹理 形状 …… 2.1.1 颜色特征：是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。 颜色特征表示 统计直方图 累积直方图 颜色布局 颜色分块 颜色直方图 其优点在于：它能简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。 其缺点在于：它无法描述图像中颜色的局部分布及每种色彩所处的空间位置，即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间：RGB颜色空间、HSV颜色空间。 2.2.1 纹理特征：是一种全局特征，它也描述了图像或图像区域所对应景物的表面性质及结构。 在模式匹配中，这种区域性的特征具有较大的优越性，不会由于局部的偏差而无法匹配成功。 形状特征匹配 基本原理 形状是刻划物体的本质特征之一 ,可以针对面积 (可用象素点的个数计算 )、环形性 (即周长 *周长 /面积 ,周长也用象素点的个数表示 )、主轴方向、偏心率、圆形率、连通性、正切角等形状特征进行匹配。 形状检索主要有两种方法 1）针对图像边缘轮廓线进行的检索 2）针对图形矢量特征进行的检索 * 将不同传感器或同一传感器在不同时间、不同成像条件下对同一景物获取的两幅或多幅图像在空间上对准，或根据已知模式到另一幅图中寻找相应的模式，称为图像匹配。 当我们的数字图像数量很多时（达到上千张、甚至上百万张），如何快速有效地找到需要的数字图像是一项有挑战性的工作。 模板匹配：在图像中寻找与样板相同或相似的区域。 用途：目标检测、遥感图像或运动图像的分析等。 方法：归一化互相关法、序贯相似性检测算法、FFT相关算法等。 1.1 模板匹配 f(x, y)为M×N的原图像，t(j,k)为J×K(J≤M，K≤N)的模板图像。 定义式可展开为三部分的和：DS(x,y)-DST(x,y)+ DT(x,y) 误差平方和： 误差平方和： 匹配测度 误差平方和 0 0 5 0 5 0 5 0 0 1 0 6 0 3 0 4 1 0 1 0 1 0 4 0 1 1 0 模板 源图像 误差平方和 归一化互相关法： 1.1 模板匹配 1.2 直方图匹配 1.2 直方图匹配 1.2 直方图匹配 1.2 直方图匹配 0 1 5 2 5 2 5 1 0 1 0 6 0 5 1 4 1 0 min 源图像 模板 灰度级 0 1 0 0 0 2 2 1 1 1 0 0 3 3 0 3 0 0 2 2 2 6 5 4 3 2 1 0 1.2 直方图匹配 fQ ：查询图像的0阶距，： fD 数据库图像的0阶距。 算法特点：算法简单、检索效果差 0 1 5 2 5 2 5 1 0 1 0 6 0 5 1 4 1 0 模板 源图像 18/9 21/9 均 值 源图像 模板 灰度级 1/9 1/9 1/9 0 0 3/9 3/9 0 3/9 0 0 2/9 2/9 2/9 6 5 4 3 2 1 0 d