[第9讲数字图像技术应用.pptVIP

第8讲 数字图像技术应用 8.1 图像检索 8.2 图像识别 8.3 生物特征识别 8.4 缺陷检测 8.5 运动目标检测 图像检索概述 CBIR体系结构 三个关键环节 选择、提取和索引能够充分表达图像的视觉特征 颜色特征，纹理特征，形状特征，图像空间关系特征等。 处理基于相似度的图像检索 颜色相似度； 纹理相似度； 形状相似度； 图象中的物体以及物体间关系的相似度； 处理用户对检索结果的相关反馈，改善检索结果。 颜色相似度 颜色百分比 颜色直方图 颜色聚合向量 颜色布局 颜色百分比 颜色直方图 通过比较两幅图象的直方图，找到与给定图象的直方图的距离较小的图象。 颜色聚合向量 核心思想：将属于直方图每一个bin的像素进行分为两部分：如果该bin内的某些像素所占据的连续区域的面积大于给定的阈值，则该区域内的像素作为聚合像素，否则作为非聚合像素。 通过比较两幅图象的颜色聚合向量，找到与给定图象的颜色聚合向量距离较小的图象； 综合考虑了图像中所包含的颜色以及颜色的一些位置信息； 颜色布局 综合使用了图象中所包含的颜色以及颜色的位置信息。 两种检索方法 用户选取几种颜色，填在网格的不同位置中，系统可以检索出颜色布局相似的图象。 用户提供给系统一幅图象，系统自动找出与所给图象的颜色布局相似的图象。 颜色布局相似度的计算： 方格中的颜色可以简单的表示为方格中颜色的均值或者方格中颜色的直方图。 纹理相似度 与输入图象具有相似纹理的图象应当具有和输入图象相同的颜色（灰度）空间分布，但不一定具有相同的颜色（灰度）。 两个要素： 纹理的表示 根据相应的纹理表示定义相应的纹理相似度。 用纹理描述向量来表示纹理； Tamura纹理特征－－其6个分量分别对应于心理学角度上纹理特征的6种属性，粗糙度，对比度，方向度，线像度，规整度以及粗略度。 灰度共生矩阵－－各个方向上共生矩阵的熵，能量，对比度以及均匀度。 基于小波变换的纹理特征－－各个小波通道的能量和方差。 计算纹理描述向量之间的相似度； 欧拉距离 马氏距离 形状相似度 颜色和纹理是图象的全局属性。 形状是针对图象中的一个特定区域。 需要进行图象分割和区域辨认。 基于形状特征轮廓表示法的相似度计算： 比较边界的长度，直径的相似度； 比较边界的曲率的相似度； 比较傅立叶描述符的相似度； 比较内角特征的相似度； 基于形状特征区域表示法的相似度计算： 比较区域面积； 比较区域灰度； 基于轮廓线的检索 如何物体都有形状，在图像中反映为目标与背景的边缘； 边缘是图像的基本特征，是指其周围象素灰度有阶跃变化或者屋顶变化的那些象素的集合； 经典的边缘检测方法是考察图像的每个象素在某个邻域内灰度的变化，利用边缘邻近的一阶或者二阶导数的变化规律来检测边缘。 基于边缘方向的检索 边缘信息包括方向和量值； 优点：具有位置不变性； 缺点：不具有尺度不变形，旋转不变性以及受边缘特性的影响； 解决方法： 边缘方向直方图归一化 边缘方向直方图平滑 图像中包含物体间的空间关系相似度 很多用户希望能够查询包含特定物体以及物体间存在特定空间关系的图象。 对图像进行图像分割，检测出图象中所包含的物体，确定它们之间的空间关系，然后可以利用这些空间关系进行图象检索。 通过物体间的空间关系进行图象检索示例2 第8讲 数字图像技术应用 8.1 图像检索 8.2 图像识别 8.3 生物特征识别 8.4 缺陷检测 8.5 运动目标检测 水果的识别 四部分： 数码图片的获取， 图像的彩色边缘检测、图像的分割， 图象的颜色特征和形状特征提取 图像的分类识别。 选择研究的目标物 香蕉，西红柿，梨和青椒四种果蔬。 功能： 使机器具有一定的视觉功能，能够认识“记忆”中的水果。 例如：当接受到命令是香蕉时，就可以自动地将香蕉拿出来。 颜色空间的转换 颜色空间类型， RGB，CMY，YIQ， YUV，HSI等。 RGB是使用较普遍的颜色空间，由于显示器采用此模型，因此，算法的执行速度较快。 HSL 是由色调（H）,饱和度（S）和亮度（ I）三个颜色分量组成的一类颜色空间， 是面向用户的一种复合主观感觉的颜色空间，通常用于选择颜色，更接近人对颜色的感知。 图（a）,图（b），图（c）分别表示彩色水果图像的R,G,B分量， 将三图组合起来都可得到原始图像。 图（d）,图（e）,图（f）分别为其H,S,V分量。将三图组合起来都可得到原始图像。 图中H和S分量图看起来与V分量图很不相同，这说明H,S,V三分量间的差别比R,G,B间的大。 边缘提取 使用Sobel算子得到的边缘图像 膨胀处理 膨胀处理后 区域填充 膨胀运算后，图像的边缘得到了很好的描述 然而，在目标物的内部，仍然存在一些空洞，可通过区域填充消除空洞