6特征分析.ppt

图像特征分析概述 图像处理的一个重要分支是图像分析。 图像分析可以看作是一个信息提取过程——从图像中提取有用的数据、信息和度量，生成描述或表示。 图像特征分析是图像分析的关键因素之一。 通过对图像特征的描述和表达，提取图像所包含的原始数据特性或属性，从而为图像分析和识别奠定基础。 图像特征是指图像的原始特性或属性，可以分为视觉特征和统计特征。 视觉特征主要是人的感觉直接感受到的自然特征（如图像的颜色、纹理和形状等）。 统计特征是指通过变换测量才能得到的人为特征（如频谱、直方图等）。 本节课主要介绍图像的颜色、纹理和形状特征的分析方法及MatlAB实现。 本界内容提要 颜色调整描述及MatlAB实现方法 纹理特征描述及MatlAB实现方法 形状特征描述及MatlAB实现方法 1、颜色调整描述及MatlAB实现方法 颜色特征属于图像的内部特征，描述了图像或图像区域所对应景物的表面性质； 颜色特征对图像的尺寸、方向、视角等变化不敏感，因此被广泛应用于图像识别。 根据颜色与空间属性的关系，颜色特征的表示可以有颜色矩、颜色直方图和颜色相关等。 （1）颜色矩 颜色矩是以数学方法为基础，通过计算矩来描述颜色的发布。 颜色矩通常在RGB空间计算； 由于颜色矩分布信息主要集中在低阶矩，常采用一阶、二阶和三阶矩来表达颜色分布。它们分别是： 一阶矩（均值）： 体现了各颜色分量的平均强度 二阶矩（方差）： 体现了待测区域的颜色方差，即不均匀性 三阶矩（偏度）： 体现了颜色分量的偏度性，即不对称性 颜色矩不能区别区域的空间分布位置 （2）颜色直方图 许多图像识别系统中广泛采用颜色直方图作为图像的颜色特征。 颜色直方图描述的是不同色彩在整幅图像中所占的比例； 颜色直方图反映了图像颜色分布的统计特性：RGB颜色空间和HSV颜色空间等。 2、纹理特征描述及MatlAB实现方法 纹理特征描述图像或区域所对应景物的表面性质，是从图像中计算出来的一个值，它对区域内部灰度级变化的特征进行了量化。 图像的纹理特征常常具有周期性，反映物品店质地，如粗糙度、光滑度、颗粒度、随机性和规范性等。 纹理分析是指通过一定的图像处理技术抽取纹理特征，从而获得纹理的定量或定性描述的处理过程。 纹理分析应用十分广泛，如卫星遥感 纹理特征提取的几种常用方法：如灰度差分统计、自相关函数、灰度共生矩阵和基于频谱特征的分析。 （1）灰度差分统计法 纹理区域的灰度直方图作为纹理特征。 利用图像直方图提取诸如均值、方差、能量及熵等特征来描述纹理。 （2）自相关函数法 纹理通常用它的粗糙性来描述。 例如，在相同的观看条件下墙面要比大理石粗糙。 纹理粗糙性的大小与局部结构的空间重复周期有关，周期性大的纹理粗，小的纹理细。 通常实现的测度为自相关函数： （3）灰度共生矩阵法 由于纹理是由灰度分布在空间位置上反复出现而形成的，因而在图像空间中相隔某距离的两个像素之间会存在一定的灰度关系，即图像中灰度的空间相关特征。 灰度共生矩阵就是一种通过研究灰度的空间相关特性来描述纹理的常用方法。 （4）频谱分析法 在空间域中，全局纹理模式很难被检测出来，但是转换到频域中很容易被分辨。 频繁分析法是将空间域的纹理图像转换到频域域中，利用信号处理的方法，如傅立叶变换等来得到空间域不易获得的纹理特征，如周期、功率谱等。 3、形态特征描述及MatlAB实现方法 图像的形状特征一般是在物体从图像中分割出来以后进行分析，形状描述特征与尺寸测量结合起来可以作为区别不同物体的依据，在机器视觉系统中起着重要作用。 通常情况下，形状特征有两类表示方法：轮廓特征和区域特征。 边界的表示：链码、多边形近似、标记图 Gabor变换 经典Fourier变换只能反映信号的整体特性（时域或频域），同时要求信号满足平稳条件。 用Fourier变换研究时域信号频谱特性，必须要获得时域中的全部信息，若信号在某时刻的一个小的邻域内发生变化，那么信号的整个频谱都会受到影响，而频谱的变化从根本上来说无法标定发生变化的时间位置和发生变化的剧烈程度。即Fourier变换对信号不能给出在各个局部时间范围内部频谱上的频谱信息描述。 D. Gabor于1946年提出了一种新的变换，即加窗傅里叶变换，可以在频域不同尺度、不同方向上提取相关的特征；Gabor函数与人眼的生物作用相仿，所以常用于纹理识别，并取得较好的效果。 在matlab中实现Gabor小波对图像的纹理特征提取的过程：（1）对图片进行小波变换 （2）再进行二维卷积变换（3）提取均值和方差