图像特征提取与分析补充讲义要点.pptVIP

* * * * * * 图像特征提取与分析 投影能表现图像的某种特征信息 指定方向上单条前景像素的个数 二值图像特征-投影（projection） 二值图像及其对 角线上的投影图 二值图像特征-几何特性 通过阈值化方法检测出物体后，下一步就要对物体进行识别和定位． 在大多数工业应用中，摄像机的位置和环境是已知的，因此通过简单的几何知识就可以从物体的二维图像确定出物体的三维位置． 利用尺度和形状特征来识别：如面积大小、位置和方向 面积大小 如图所示，取物体的质心为坐标中心，平面上一闭合曲线所包围的面积由沿轮廓的积分确定： 一幅二值图像区域的面积（或零阶矩）由下式给出： 周长 一般的三种近似的定义 区域和背景交界线(接缝)的长度 链码的长度 边界点数之和 注意：周长的计算精度受采样 间隔、噪声、分割边缘是否 光滑的影响显著。 周长可以简单地通过计算物体 边界上相邻像素的中心距的累 加和得到。也就是说，对物周 长的计算可以简单地通过轮廓 线的像素数而得到。但由于在 倾斜方向，会产生如图所示的 数字图像特有的误差，所以， 要乘以 加以修正。 物体的中心位置： 其中x和y是区域相对于图像左上角的中心坐标． 故，物体的位置为： 物体的方向： 定义为最小惯量轴(主轴)的方向。 最小惯量轴：目标物上找一条直线，使目标上的所有点到这条直线的垂直距离的平方和最小、 欧拉数 在视觉应用中，欧拉数或亏格数可作为识别物体的特征 1. 定义：连通成份数减去空洞数 E = C - H 其中: C、H 为连通成份数、空洞数 2.举例 E=0 E=-1 E=2 3.特性 具有平稳、旋转和比例不变特性的拓扑特征 4.应用： 用于定位 前景：8连通 背景：4连通 最小外接矩形最大外接矩形在已知物体的边界时，用其外接矩形的尺寸来刻画它的基本形状是最简单的方法。如果仅计算其在坐标系方向上的外接矩形是很简单的，只需计算物体边界点的最大和最小坐标值，就可得到物体的水平和垂直跨度。但通常需要计算反映物体形状特征的主轴方向上的长度和与之垂直方向上的宽度，这样的外接矩形是物体最小的外接矩形（MER-Minimum Enclosing Rectangle）。计算MER的一种方法是将物体在90度范围内等间隔地旋转，每次记录其坐标系方向上的外接矩形参数，取其面积为最小的矩形的参数为主轴意义下的长度和宽度，如图所示。通常主轴可以通过矩（Moments）的计算得到，也可以用求物体的最佳拟合直线的方法求出。 密集度、体态比和圆形度 1、区域的密集度 其中，p 和 A 分别为图形的周长和面积． 根据此标准，圆是最密集的图形． 密集度的另一意义：周长在给定后，密集度越高所围面积越大． 2、体态比 区域的最小外接矩形的长与宽之比特性： 1）正方形和圆的体态比等于1 2）细长形物体的体态比大于1 下图是几种形状的外接矩形： 3、圆形度圆形度用来刻画物体边界的复杂程度，例如，比较相同面积的圆形和星形，星形等图形要比圆形的周长大的多。因此，提出圆度e来表示物体的形状复杂程度： ????????????????????? 式中：A—面积；P—周长。 显然，当圆的半径为r时，周长为2πr, 面积为πr2,所以，e＝1.0。由图可知， 形状越接近圆形，e越大；形状越复杂，e值越小。 矩不变量 矩不变量基本原理 连续图像 (p+q)阶矩定义为: 中心距的定义 (进行质心点 位置的归一化处理) 式中 数字图像 二值图像 可见， 是区域R的面积 中心矩 定义(p+q）归一化中心矩 (对中心矩进行大小的归一化处理) 不变矩 为了使矩描述子与大小、平移、旋转无关，可以用二阶和三阶规格化中心矩导出七个不变矩组Φ。不变矩描述分割出的区域时，具有对平移、旋转和尺寸大小都不变的性质。 矩特征的物理意义 低阶矩描述图像的整体特征： 零阶矩反映了目标的面积、一阶矩反映目标的质心位置、二阶矩反映了目标的主轴、辅轴的长短和主轴的方向角。 高阶矩主要描述了图像的细节：如目标的扭曲度和峰态的分布等。 矩特征在目标识别中的应用 通过对不同照度场、不同姿态下物体进行矩特征的统计分析，选取若干个具有明显差异(均值及方差)的矩或组合矩特征量，建立特征库。 计算待识别物体的相应特征量，按一定的准则，计算与各类目标的隶属度，找出最小的隶属度值。 物体识别 四个主要模块：模型库、特征检测器、假设生成(hypothesis for